cara mudah memahami statistika · bab 3 distribusi frekuensi 30 3.1 pengantar 30 3.2 penyusunan...

Cara Mudah Memahami

STATISTIKA EKONOMI dan BISNIS(STATISTIKA DESKRIPTIF)

Cara Mudah MemahamiSTATISTIKA EKONOMI dan BISNIS(STATISTIKA DESKRIPTIF)© Nata WirawanEdisi Keempat

Penulis : Nata Wirawan

Penerbit : Keraras Emas Denpasar

Cetakan pertama, Februari 2016

ISBN : 979-99456-2-3

Dilarang memproduksi sebagian atauseluruh isi buku ini, tanpa ijin tertulis dari penulis

Nata Wirawan

Cara Mudah Memahami


Buku 1

Edisi Keempat

PenerbitKeraras Emas

Kutipan Pasal 44Sanksi Pelanggaran Undang-undang Hak Cipta

1 Barang siapa dengan sengaja dan tanpa hak mengumumkan atau memperba-nyak suatu ciptaan atau memberi izin untuk itu, dipidana dengan pidana penjara paling lama 7 (tujuh) tahun dan /atau denda paling banyak Rp 100.000.000,00 (seratus juta rupiah)

2 Barang siapa dengan sengaja menyiarkan, memamerkan, mengedarkan, atau menjual kepada umum suatu ciptaan atau barang hasil pelanggaran Hak Cipta sebagaimana dimaksud dalam ayat (1) dipidana dengan pidana penjara paling lama 5 (lima) tahun dan/atau denda paling banyak Rp 50.000.000,00 (lima puluh juta rupiah).

Buku Satu

Edisi Keempat

OlehNata WirawanUniversitas Udayana

PenerbitKeraras EmasJl. Padma No.41 Denpasar (80238),Bali

Cara Mudah Memahami


Sebagai seorang manusia,

guru utamaku adalah alam di sekitarku.

dan

Sebagai seorang dosen,

guru utamaku adalah mahasiswaku.

(Nata Wirawan, 2012)

Prakata Edisi Ketiga

(Cetakan ke-2)

Dalam edisi ketiga buku ini, penulis melakukan penyesuaian judul buku dari judul semula yaitu “Cara Mudah Memahami Statistik 1 (Statistik Deskriptif), untuk Ekonomi dan Bisnis “ menjadi “Cara Mudah Memahami

Statistika Ekonomi dan Bisnis (Statistika Deskriptif), Buku 1". Seperti telah penulis sampaikan pada edisi sebelumnya bahwa buku ini ditulis sebagai buku pengantar bagi mahasiswa ekonomi dan pemakai lainnya. Sejak pertama kali diterbitkannya, tahun 1994, buku ini banyak diminati dan digunakan oleh para mahasiswa ekonomi maupun pengajar. Saran saran, koreksi dan ulasan mereka yang konstruktif mengenai edisi-edisi sebelumnya dan edisi ini, menjadikan buku ini suatu naskah yang lebih baik.

Dalam edisi ini, jumlah bab dan cara penyajiannya tetap dipertahankan namun di sejumlah bab terdapat pengurangan dan penambahan sub bab. Jumlah bab tetap 10 bab. Bab 1, Pendahuluan; Bab 2, Penjumlahan dan Pembulatan; Bab 3, Distribusi frekuensi; Bab 4, Ukuran Nilai Sentral; Bab 5, Ukuran Letak; Bab 6, Ukuran Penyebaran; Bab 7, Ukuran Kemencengan dan Keruncingan Suatu Distribusi; Bab 8, Analisis Deret Waktu; Bab 9, Analisis Regresi dan Korelasi Sederhana, dan Bab 10, Angka Indeks.

Dalam Bab 8, sub bab, merubah persamaan tren, tidak dibahas lagi mengingat periode waktu kejadian ekonomi dan bisnis dewasa ini sudah tercatat lebih detail; bukan tahunan, semesteran, kuartalan, triwulanan, bulanan lagi, bahkan telah tercatat dalam periode waktu yang jauh lebih kecil yaitu menitan atau detikan. Dalam Bab 10 ditambahkan sub bahasan merangkai angka indeks, yang sangat berguna di dalam membandingkan dua angka indeks atau lebih (yang berasal dari dua atau lebih rangkaian angka indeks) yang masing-masing tahun dasarnya berbeda.

Jumlah contoh soal yang bervariatif dan soal-soal latihan yang relatif banyak dan yang terfokus pada masalah ekonomi dan bisnis, juga tetap dipertahankan. Edisi buku ini diperkaya dengan 115 contoh dan 111 soal-soal latihan yang tersebar di semua bab. Contoh dan soal-soal latihan dalam edisi ini sebagian besar telah dimutakhirkan sesuai perkembangan ekonomi dan bisnis dewasa ini.

Oleh karena materi yang terkandung dalam buku ini untuk satu semester, maka dari itu kepada kolega dosen disarankan agar Bab 1 sampai dengan Bab 6 diberikan sebagai bahan UTS (Ujian Tengah Semester) dan sisanya yaitu materi Bab 7 sampai dengan Bab 10, dipertimbangkan sebagai bahan UAS (Ujian Akhir Semester).

Penulis ingin mengungkapkan rasa terima kasih kepada rekan sejawat – kolega dosen – yang telah memberikan berbagai saran, masukkan serta dorongan dalam penyusunan edisi-edisi sebelumnya dan naskah edisi ini, yaitu kolega dosen di :

Nata Wirawan ix

Universitas UdayanaTrunajaya, I GedeYuliarmi, Ni NyomanSaskara, I A. NyomanSudarsana ArkaJember, I MadeMartini Dewi, Ni PutuSudiana, I Ketut Indrajaya, I G.B.Tisnawati, Ni MadeSuarjaya, AA GedeSri Artini, L. GdeEka SulistyawatiAgoes Ganesha, R.Artha Wibawa, I MadeNurcaya, I NyomanRastini, Ni MadeTriaryarti, NyomanSukadana, I WayanParamitha Purwanti, P. A.Santi Suryantini, Ni PutuMeydianawati, L. GdeAyu Desi IndrawatiWiwin Setyari, Ni Putu

Universitas MahasaraswatiSuryani, Ni NyomanYusi Pramandari, PutuLisa Ermawatiningsih, Ni PutuSuarjana, I WayanUtami Paramitha, I. A. PDian Putri Agustina, Made Universitas Hindu IndonesiaYudhi Wijaya, I Putu Sumadi, Ni Komang.Winantra, I Nyoman

STIMI HandayaniGunastri, Ni MadeOka Pradnyana, I G.G.

Universitas TabananRastana, Dewa MadeTerimajaya, I Wayan

Universitas Panji SaktiAdi Mekar Sari, Ni K.

Universitas Pendidikan GaneshaPradana Adiputra, I MadeAry Surya Darmawan, NyomanRai Suwena, KadekRudy IrwansyahAnintia Terisna Sari, Ni MadeTrisna Herawati, NyomanSri Werastuti, Desak NyomanSukma Kurniawan, Putu.Aristia Prayudi, Made

Universitas MataramKarismawan, I PutuMasrunSatarudin

Universitas Negeri JakartaR. Tuty Sariwulan

Universitas WarmadewaSuyatna Yasa, I Putu NgurahJamin Yasa, I MadeSri Purnami, A.A.Darma I KetutJayawarsa, A. A.KetutIta Sivia Asita Azis

Politenik Negeri BaliWijana, I MadePutri Suardani, A.ADewinta Ayuni, Ni WayanTriyuni, Ni NyomanWijaya, I NghEka Armoni, Ni LuhSuja, I KetutMas Krisna Komala Sari, I G. A.Sadnyana Putra, I G.A.Sumajaya, GedeBagus Mataram, I G. APutrana, I WayanJimmy Waciko, KadeTri Tanami Sukraini

STIKOM BaliPutra Ratu Asmara, A.A.G.APutri Srinadi, N. L.



x Statistika Ekonomi dan Bisnis (Statistik Deskriptif)

Demikian juga, kepada para pengajar dan pemakai buku ini yang namanya belum disebutkan dalam prakata edisi ini, penulis tak lupa juga mengucapkan terima kasih.

Terima kasih yang tulus dan khusus disampaikan kepada Bapak Prof. Made Suyana Utama dan Prof. Made Kembar Sri Budhi atas dorongan dan sumbangan pemikirannya dalam penulisan edisi buku ini. Secara khusus pula kami berterima kasih kepada korektor buku ini dan staf Penerbit Keraras Emas Denpasar yang menjadikan buku ini lebih sempurna dari edisi sebelumnya. Terima kasih yang tulus dan khusus disampaikan kepada Saudara Gde Aryantha Soethama atas kepiawaiannya dalam me-lay out isi dan mendisain kulit buku ini.

Akhirnya penulis menyadari buku ini jauh dari sempurna, di atas langit ada langit lagi, oleh karenanya kritik dan saran yang bersifat membangun dari pembaca dan pemakai buku ini, penulis akan terima dengan senang hati. Sementara segala kekurangan dan kesalahan yang terdapat dalam buku ini sepenuhnya bersumber dan menjadi tanggung jawab penulis.

Denpasar, Agustus 2014

NW

Nata Wirawan xi

Prakata Edisi Kedua

Sejak diterbitkan pertama kali di tahun 1994, naskah ini banyak diminati dan digunakan oleh para mahasiswa ekonomi maupun pengajar. Saran-saran, koreksi dan ulasan mereka yang mendalam mengenai edisi-edisi

sebelumnya dan edisi ini, menjadikan buku ini suatu naskah yang lebih baik.Buku ini ditulis sebagai buku pengantar bagi mahasiswa ekonomi dan

pemakai lainnya yang sungguh-sungguh berminat mempelajari dan mendalami statistik deskriptif yaitu statistik yang memiliki tugas untuk mengumpulkan, menyusun, mengolah dan menganalisis data serta menyajikan data tersebut dalam bentuk yang mudah dipahami atau dibaca, yang diaplikasikan dalam bidang ekonomi dan bisnis. Biasanya data tersebut disajikan dalam tabel-tabel, grafik-grafik dan ataupun diagram.

Seperti penulis telah kemukakan pada edisi pertama, bahwa alasan utama disusun buku ini adalah: (1) ikut serta menambah jumlah referensi buku statistik dalam bahasa Indonesia, (2) belum banyak buku statistik dalam bahasa Indo-nesia yang aplikasinya memberikan porsi yang cukup besar pada masalah eko-nomi dan bisnis, (3) membantu dan memudahkan penulis dalam mengantarkan mata kuliah ini di Fakultas Ekonomi Universitas Udayana, dan (4) membantu mahasiswa belajar lebih mudah dan efisien

Sedangkan sasaran yang ingin dicapai adalah hasil perkuliahan yang opti-mal sesuai dengan tujuan mata kuliah ini. Keunggulan buku ini dari buku seje-nis lainnya, seperti telah dikemukakan pada edisi pertama adalah buku ini disa-jikan dalam bentuk sederhana, ringkas, padat isi dan sistematis serta disajikan dengan bahasa yang mudah dipahami. Disamping itu, contoh soal yang dibe-rikan dalam buku ini disesuaikan dengan masalah-masalah ekonomi dan bis-nis yang berkembang dewasa ini. Buku ini juga dilengkapi dengan 108 contoh dan 103 soal-soal latihan. Dengan contoh dan latihan soal yang relatif banyak itu, mahasiswa diharapkan dapat lebih mudah memahami dan menelah materi yang terkandung di dalamnya. Penulis juga berharap buku ini dapat dipelajari secara mandiri oleh para mahasiswa.

Walaupun cara penyajian tetap dipertahankan, namun pada edisi ini hampir di semua bab, terdapat penambahan contoh soal yang relevan dengan perkembangan ekonomi dan bisis masa kini

Cakupan materi yang terkandung dalam buku ini dibagi atas 10 bab. Bab 1, merupakan bab pendahuluan, dengan uraian pokok antara lain; pengertian statistik, statistik diskriptif dan statistik inferensial, fungsi dan kegunaan sta-

xii Statistika Ekonomi dan Bisnis (Statistik Deskriptif)

tistik, populasi dan sampel, penggolongan data, dan penyajian data. Bab 2, uraian tentang penjumlahan dan pembulatan. Bab 3, uraian mengenai distri busi frekuensi. Bab 4, uraian mengenai ukuran nilai sentral. Bab 5, uraian mengenai ukuran letak. Bab 6, uraian mengenai ukuran penyebaran. Bab 7, uraian men-genai ukuran kemencengan dan keruncingan suatu distribusi frekuensi. Bab 8, uraian mengenai analisis deret waktu. Bab 9, uraian mengenai analisis regresi dan korelasi sederhana, dan dalam bab terakhir yaitu Bab 10, diuraikan menge-nai angka indeks. Angka indeks sengaja dibahas pada bab terakhir oleh karena dewasa ini, buku-buku statistik asing banyak yang membahas secara sepintas saja, bahkan banyak yang tidak membahasnya lagi.

Oleh karena materi yang terkandung dalam buku ini untuk satu semester, maka disarankan kepada kolega dosen, agar materi Bab 1 sampai dengan Bab 6 diberikan sebagai bahan UTS (Ujian Tengah Semester) dan sisanya diberikan setelah UTS.

Kepada rekan sejawat, I Made Suyana Utama, Gde Trunajaya, AA Gde Suarjaya, Ni Nyoman Yuliarmi, I.A.N. Saskara dan I.A.Putri Utari, Ni Putu Martini Dewi dari Universitas Udayana, dan I Made Jamin Yasa (Unwar) penulis mengucapkan banyak terima kasih atas dorongan, saran dan koreksi yang begitu konstruktif sehingga edisi kedua buku ini dapat diterbitkan.

Terima kasih yang tulus juga ditujukan kepada kolega-kolega dosen lainnya yang telah memberikan berbagai saran dan masukan dalam penyusunan edisi ini, yaitu (nama diurut sesuai abjad) : Adi Erawati, Ni Made; Alit Suryani; Eka Sulistyawati; Jember, I Made; Sudarsana Arka; Warmika, Gde Ketut; dari Universitas Udayana. Darma, I Ketut; Jayawarsa, AA Ketut; Kompiang Bagiada; Riasning, Ni Putu; Sara, I Made; Sri Purnami, AA; Suyatna Yasa, I Putu Ngurah; dan Wiratshi, Moch dari Universitas Warmadewa. Suryani, Ni Nyoman dari Universitas Mahasaraswati. Gunastri, Ni Made dari STIMI Handayani Denpasar, dan Chaerul Saleh dari Kopertis Wilayah VIII.

Akhirnya penulis menyadari buku ini jauh dari sempurna, oleh karena itu kritik dan saran yang bersifat membangun dari pembaca dan pemakai buku ini akan penulis terima dengan senang hati. Sedangkan segala kekurangan dan kesalahan yang terdapat dalam buku ini sepenuhnya bersumber dan menjadi tanggung jawab penulis.

Denpasar, Juni 2001

NW

Prakata Edisi Kedua

Nata Wirawan xiii

DAFTAR ISI

Prakata Edisi Ketiga viiiPrakata Edisi Kedua xi

BAB 1PENDAHULUAN 11.1 Pengantar 11.2 Pengertian Statistik 11.3 Tahapan Kegiatan Metode Statistik 21.4 Statistika Deskriptif dan Statistika Inferensia 41.5 Fungsi dan Kegunaan Statistika 41.6 Data, Populasi dan Sampel 51.7 Statistik Sampel dan Parameter Populasi 61.8 Penggolongan Data Statistik 61.9 Variabel 101.10 Penyajian Data Statistik 10Soal-soal Latihan 17

BAB 2 PENJUMLAHAN DAN PEMBULATAN 222.1 Pengantar 222.2 Penjumlahan dengan Notasi S 222.3 Pembulatan Bilangan 26Soal-soal Latihan 27

BAB 3 DISTRIBUSI FREKUENSI 303.1 Pengantar 303.2 Penyusunan Data Secara Sistematis 313.4 Penyusunan Distribusi Frekuensi Numerikal 343.5 Bagian-bagian Tabel Frekuensi 383.6 Syarat-Syarat Tabel Frekuensi yang Baik 413.7 Penyusunan Tabel Frekuensi Kategorikal 433.8 Distribusi Frekuensi Relatif 443.9 Distribusi Frekuensi Komulatif 453.10 Grafik Distribusi Frekuensi 483.11 Kurva Frekuensi 49Soal-soal Latihan 51

BAB 4 UKURAN NILAI SENTRAL 564.1 Pengantar 564.2 Batasan dan Macam Nilai Sentral 574.3 Rata-rata Hitung 57

4.3.1 Rata-rata Hitung Sederhana 574.3.2 Rata-rata Hitung Tertimbang 69

4.4 Rata-rata Hitung Gabungan 744.5 Median 77

Daftar Isi

xiv Statistika Ekonomi dan Bisnis (Statistika Deskriptif)

4.5.1 Median data yang belum dikelompokkan 774.5.2 Median data yang telah dikelompokkan 80

4.6 M o d u s 844.7 Kebaikan dan Kelemahan Mean, Median, dan Modus 884.8 Hubungan Mean, Median dan Modus 884.9 Ukuran Nilai Sentral Lainnya 95

4.9.1 Rata-rata Ukur 95 4.9.2 Rata-rata Harmonis 98

Soal-soal Latihan 102

BAB 5 UKURAN LETAK5.1 Pengantar 1125.2 Batasan Ukuran Letak 1125.3 Kuartil 113

5.3.1. Kuartil data yang belum dikelompokkan 113 5.3.2 Kuartil data yang telah dikelompokkan 115

5.4 Desil 1185.5 Persentil 122

5.5.1 Persentil data yang belum dikelompokkan 123 5.5.2 Persentil data yang telah dikelompokkan 124

5.6 Ukuran Letak Data yang Belum Dikelompokkan dengan Letak Bukan Bilangan Bulat (Utuh) 129Soal-soal Latihan 131

BAB 6 UKURAN PENYEBARAN 1366.1 Pengantar 1366.2 Pengertian dan Batasan Ukuran Penyebaran 1376.3 Ukuran Penyebaran Absolut 137

6.3.1 Range 137 6.3.2 Deviasi kuartil 139 6.3.3 Deviasi rata-rata 140 6.3.4 Variansi dan Deviasi standar 142

6.4 Ukuran Penyebaran Relatif 152 6.4.1 Koefisien Variasi 152 6.4.2 Ukuran Penyebaran Relatif Lainnya 155

6.5 Dalil Chebyshev 1556.6 Kaidah Empirik 1566.7 Angka Baku (Skor Z) 158Soal-soal Latihan 160

BAB 7 UKURAN KEMENCENGAN DAN KERUNCINGAN SUATU DISTRIBUSI

7.1 Pengantar 1667.2 Ukuran Kemencengan 167

7.2.1 Koefisien Skewness 167 7.2.2 Koefisien Momen Ketiga 172

Daftar Isi

Nata Wirawan xv

7.3 Ukuran Keruncingan 173Soal-soal Latihan 176

BAB 8 ANALISIS DERET WAKTU 1798.1 Pengantar 1798.2 Pengertian Data dan Analisis Deret Waktu 1798.3 Komponen Deret Waktu 1818.4 Tren Linear 184

8.4.1 Persamaan Tren Linear. 185 8.4.2 Metode Penentuan Tren Linear 185

8.5 Metode Kuadrat Terkecil 1968.6 Tren Tan - Linear 202

8.6.1 Tren Parabola 202 8.6.2 Tren Eksponensial 205

8.7 Pedoman Memilih Tren 2088.8 Variasi Musim 2098.9 Metode Perhitungan Indeks Musim 211

8.9.1 Metode Rata-rata Sederhana 212 8.9.2 Metode Relatif Berantai 213 8.9.3 Metode Rasio Terhadap Rata-rata Bergerak 216

Soal-soal Latihan 219

BAB 9 ANALISIS REGRESI DAN KORELASI SEDERHANA 2249.1 Pengantar 2249.2 Pengertian Regresi 2249.3 Regresi Linear Sederhana : Metode Kuadrat Terkecil 2279.4 Interpretasi Terhadap Nilai Koefisien Regresi 2289.5 Menaksir Nilai Variabel Terikat Y 2299.6 Kesalahan Baku dari Dugaan 2329.7 Koefisien Determinasi 2359.8 Analisis Korelasi 238

9.8.1 Koefisien Korelasi Melalui Analisis Regresi 238 9.8.2 Koefisien Korelasi Tanpa Analisis Regresi 239 9.9 Interpretasi Terhadap Nilai Koefisien Korelasi 240

9.10 Korelasi Peringkat 247Soal-soal Latihan 251

BAB 10 REGRESI DAN KORELASI LINEAR BERGANDA 25710.1 Pengantar 25710.2 Model Regresi Dua Variabel Bebas 25710.3 Interpretasi Terhadap Nilai bo, b1 dan b2 25810.4 Kesalahan Baku Pendugaan 25910.5 Koefisien Determinasi dan Koefisien Korelasi 26310.6 Menaksir Varibael Terikat Y 26410.7 Pelaporan Hasil–hasil Analisis Regresi 265Soal-soal Latihan 270

Daftar Isi

xvi Statistika Ekonomi dan Bisnis (Statistika Deskriptif)

BAB 11 ANGKA INDEKS11.1 Pengantar 27211.2 Pengertian Angka Indeks 27210.3 Jenis-jenis Angka Indeks 27411.4 Masalah Pokok dalam Penyusunan Angka Indeks 27511.5 Metode Perhitungan Angka Indeks 27711.6 Angka Indeks Tidak Tertimbang 278

11.6.1 Angka Indeks Gabungan Sederhana 278■ Angka indeks harga (P) 278■ Angka Indeks Kuantitas 281■ Angka Indeks Nilai 283

11.6.2 Angka Indeks Relatif 284■ Angka indeks harga (P) 284■ Angka indeks kuantitas (Q) 286

11.6.3 Angka Indeks Rata-rata Relatif 286■ Angka indeks harga 286■ Angka indeks kuantitas 288■ Angka indeks nilai 288

11.7 Angka Indeks Tertimbang 288 11.7.1 Angka Indeks Harga Gabungan 288

■ Angka indeks harga Laspeyres 288■ Angka indeks harga Paasche 289■ Angka indeks harga Irving Fisher 289■ Angka indeks Drobisch 289■ Angka indeks harga Marshall-Edgeworth 289

11.7.2 Angka Indeks Harga Rata-rata Tertimbang Relatif 29211.8 Angka Indeks Berantai 294

11.8.1 Indeks Harga Relatif Berantai 294 11.8.2 Angka Indeks Tertimbang Berantai 295

11.9 Peggeseran Tahun Dasar 29611.10 Merangkai Angka Indeks 29811.11 Angka Indeks Untuk Proses Deflasi 300Soal-soal Latihan 304

Nata Wirawan 1

PENDAHULUAN

1.1 PengantarDalam bab ini akan diuraikan tentang pengetahuan dasar statistik yaitu

mengenai pengertian statistik (statistik dalam artian data dan statistik dalam artian metode statistik yang juga disebut statistika), tahapan kegiatan metode statistik, statistika deskritif dan statistika Inferensia, fungsi dan kegunaan statistik, data - populasi-sampel, statistik sampel dan parameter populasi, penggolongan data, variabel dan penyajian data.

Tujuan bab ini. Setelah mempelajari bab ini diharapkan peserta didik (mahasiswa) mempunyai pengetahuan dasar statistik dan mampu menyajikan data dalam bentuk tabel, grafik atau diagram.

1.2 Pengertian StatistikKata “statistik” berasal dari kata status (bahasa latin) yang memiliki per-

samaan arti dengan kata state (bahasa Inggris). Kedua kata tersebut dalam bahasa Indonesia diterjemahkan dengan negara. Pada awalnya kata “statis-tik” diartikan sebagai kumpulan keterangan baik yang berbentuk angka-ang-ka maupun kumpulan keterangan yang tidak berbentuk angka-angka yang memiliki arti penting dan kegunaan besar bagi suatu negara.

Namun pada perkembangan selanjutnya “statistik” diartikan sebagai kumpulan keterangan yang berbentuk angka saja (data kuantitatif) yang da-

1. Pendahuluan

2 Statistika Ekonomi dan Bisnis (Statistika Deskriptif)

pat memberikan gambaran mengenai keadaan, peristiwa atau gejala tertentu. Misalnya statistik penduduk, statistik perdagangan, statistik pendidikan, sta-tistik tenaga kerja, statistik hasil pertanian dan yang lainnya. Statistik pendu-duk yaitu kumpulan keterangan berbentuk angka yang berkaitan dengan ke-giatan di bidang kependudukan, misalnya seperti: jumlah penduduk, rata-rata umur penduduk, angka kelahiran, angka kematian dan yang lainnya. Statistik pendidikan yaitu kumpulan keterangan yang berbentuk angka yang berkaitan dengan kegiatan di bidang pendidikan, misalnya seperti: jumlah peserta didik, jumlah tenaga pengajar, jumlah lulusan, jumlah gedung sekolah, jumlah per-guruan tinggi dan yang lainnya.

Kumpulan keterangan yang berbentuk angka seperti yang dijelaskan di atas disebut (data) statistik. Pengertian statistik sebagai data statistik meru-pakan pengertian statistik dalam arti sempit. Dalam arti luas statistik diartikan sebagai berikut: Statistik adalah cabang ilmu pengetahuan yang mempe-lajari cara-cara atau metode pengumpulan, penyajian, analisis, interpretasi dan pengambilan kesimpulan dari suatu data, sehingga data tersebut dapat memberikan pengertian atau makna tertentu. Statistik dalam arti luas disebut juga metode statistik (statistika). Jadi statistik memiliki dua arti yaitu statistik dalam arti sempit (data statistik atau statistik saja) dan statistik dalam arti luas (metode statistik atau statistika).

1.3 Tahapan Kegiatan Metode StatistikTahapan kegiatan statistik sebagai metode, dibagi menjadi lima tahapan

yaitu: (1) pengumpulan data (collection of data), (2) penyusunan data (organi-zation of data), (3) pengumuman data (presentation of data), (4) analisis data (analysis of data), dan (5) interpretasi data (Interpretation of data).

■ Pengumpulan dataPengumpulan data, merupakan tahap awal dari kegiatan statistik. Data

dapat dikumpulkan melalui dua cara, yaitu: (1) cara sensus dan (2) cara sampel.

Cara sensus. Cara sensus adalah cara mengumpulkan data dengan jalan meneliti seluruh anggota yang menjadi obyek penelitian. Dengan kata lain, cara sensus adalah pencatatan data secara menyeluruh terhadap anggota yang menjadi obyek penelitian, tanpa kecuali. Seluruh anggota yang menjadi obyek penelitian disebut populasi. Oleh karena seluruh anggota yang menjadi obyek penelitian harus diteliti, terutama bagi populasi yang berukuran besar, pengum pulan data dengan cara sensus sudah barang tentu memerlukan banyak waktu, tenaga dan biaya. Disamping itu, dalam pengujian (penelitian) yang sifatnya merusak, cara sensus tidak mungkin dilakukan. Inilah beberapa kelemahan dari cara sensus. Sedangkan kebaikan dari cara sensus yaitu hasil yang diperoleh merupakan data (nilai karakteristik) yang sebenarnya (true value).

Cara sampel (sampling). Cara sampel adalah cara pengumpulan data de ngan jalan meneliti sebagian kecil dari seluruh anggota yang menjadi obyek penelitian. Dengan kata lain, sampling adalah cara mengumpulkan data de-ngan mencatat atau memilih sampelnya saja. Hasil yang diperoleh dari cara

1. Pendahuluan

Nata Wirawan 3

sampel ini merupakan data perkiraan (estimate value), dan berdasar kan data perkiraan dari sampel ini, dapat ditaksir (diperkirakan) karakteristik atau sifat-sifat sesungguhnya dari populasi yang sedang diteliti. Untuk memperoleh nilai perkiraan yang baik, sampel tersebut harus bersifat representatif (mencerminkan atau mewakili populasi). Untuk memperoleh sampel yang representatif, ada suatu metode atau tata cara untuk itu, yang disebut metode penarikan sampel (metode sampling), prihal ini akan dibahas pada buku 2 (statistika inferensia).

Oleh karena pengambilan anggota obyek penelitian hanya sebagian saja, maka pengumpulan data dengan cara sampel ini, lebih hemat dibandingkan dengan cara sensus, baik dari segi waktu, biaya dan tenaga. Inilah salah satu kebaikan cara sampel. Sedangkan kelemahannya yaitu bila sampel tersebut tidak representatif, maka kesimpulan yang dikenakan terhadap populasi akan tidak sesuai dengan kenyataan yang terdapat pada populasi alias bias. Walaupun pengumpulan data dengan cara sampel lebih hemat dari cara sensus, akan tetapi adakalanya pengumpulan data dengan cara sensus tidak dapat dihindari. Misalnya, untuk mengetahui jumlah penduduk suatu negara atau suatu daerah pada tahun tertentu, tidak mungkin dengan cara sampel akan tetapi dengan cara sensus.

■ Penyusunan data Data yang telah dikumpulkan, selanjutnya disusun teratur agar dapat

dengan mudah dibaca dan dilihat secara visual. Kegiatan penyusunan data ini melalui tiga (3) tahapan, yaitu: (1) mengedit, (2) mengklasifikasi dan (3) tabulasi data.

Mengedit data adalah memeriksa kembali daftar pertanyaan yang telah diisi, untuk mengetahui apakah daftar pertanyan itu telah diisi dengan benar atau sudah sesuai dengan yang dimaksud dalam penelitian itu.Mengklasifikasi data adalah memisah-misahkan data yang telah diedit atas dasar sifat-sifat yang dimiliki oleh data.

Tabulasi adalah pengelompokkan data sesuai dengan sifat-sifat data yang telah ditentukan dalam susunan kolom dan baris (matriks), sehingga data tersebut mudah ditarik kesimpulannya.

■ Pengumuman dataPengumuman data dimaksudkan agar data yang telah disusun dapat

disebar luaskan dan mudah dilihat secara visual. Agar data tersebut dapat mudah dibaca dan dilihat secara visual, maka data tersebut dapat disajikan dalam bentuk tabel, grafik dan diagram.

■ Analisis dataData yang telah dikumpulkan dan disusun, selanjutnya dianalisis, dari

hasil analisis ini akan diperoleh gambaran keseluruhan dari data yang telah dikumpulkan

■ Interpretasi dataGambaran keseluruhan dari data yang telah dikumpulkan perlu di

1. Pendahuluan


interpretasi dengan baik, agar diperoleh suatu kesimpulan yang benar

1.4 Statistika Deskriptif dan Statistika Inferensia Berdasarkan tingkat pekerjaannya (tahapan kegiatan statistik), statistik

sebagai ilmu pengetahuan atau metode dapat dibedakan menjadi dua bagian, yaitu: (1) Statistika deskriptif, dan (2) Statistika inferensia

■ Statistika Deskriptif

Statistika deskriptif atau statistika deduktif adalah statistika yang tingkat pe ker jaannya mencakup cara-cara pengumpulan, menyusun atau mengatur, mengol ah, menyajikan dan menganalisis data angka, agar dapat memberikan gambaran yang teratur, ringkas dan jelas, mengenai keadaan, peristiwa atau gejala tertentu sehingga dapat ditarik pengertian atau makna tertentu. De ngan kata lain, statistika deskriptif ini hanya menggambarkan atau mendeskripsikan karakteristik atau sifat-sifat yang dimiliki oleh sekelompok atau serang kaian data (baik itu data sampel maupun data populasi), tanpa melakukan generalisai (yaitu menarik suatu kesimpulan umum berdasarkan informasi data sampel yang dikenakan kepada populasi induknya).

■ Statistika InferensiaStatistika inferensia atau statistika induktif adalah statistika yang

menyediakan aturan atau metode yang dapat digunakan untuk membuat ramalan, membuat taksiran dan mengambil kesimpulan yang bersifat umum dari sekumpulan data (data sampel) yang dipilih secara acak dari seluruh data yang menjadi subyek kajian (populasi). Dua tujuan utama dari statistika inferensia yaitu pendugaan parameter populasi dan pengujian hipotesis tentamg parameter populasai. Teori peluang memegang peranan penting dalam statistika Inferensia. Statistika inferensia sifatnya lebih mendalam dan merupakan tindak lanjut dari statistika deskriptif. Statistika deskriptif merupakan dasar dari ilmu statistik secara keseluruhan. Oleh karena itu untuk dapat mempelajari atau memahami statistika inferensia, seseorang harus terlebih dahulu mempelajari statistika deskriptif.

1.5 Fungsi dan Kegunaan StatistikaDalam dunia ekonomi dan bisnis, statistik memiliki fungsi sebagai alat

bantu, terutama bagi pelaku ekonomi dan bisnis, dan bagi pembuat keputusan. Sebagai alat bantu, statistik membantu pelaku dan pembuat keputusan untuk mengumpulkan, mengolah, menganalisis dan menyimpulkan hasil yang telah dicapai dalam kegiatan tertentu, khususnya di bidang ekonomi dan bisnis.

Bagi pelaku ekonomi dan bisnis terutama bagi pembuat keputusan, statis-tika juga memiliki kegunaan yang cukup besar. Dengan menggunakan statis-tika sebagai alat bantu, maka berdasarkan pada data yang diperoleh itu,

1 Pelaku ekonomi dan bisnis/pembuat keputusan akan memperoleh gambaran tentang kejadian, gejala atau keadaan dunia ekonomi dan bisnis baik gambaran secara khusus maupun gambaran secara umum.

2 Pelaku ekonomi dan bisnis/pembuat keputusan akan dapat mengikuti perkembangan mengenai kejadian, gejala atau keadaan dunia ekono-

1. Pendahuluan

Nata Wirawan 5

mi dan bisnis dari waktu ke waktu.3 Pelaku ekonomi dan bisnis/pembuat keputusan akan dapat menyusun

laporan yang berupa data kuantitatif dengan teratur, ringkas dan jelas4 Pelaku ekonomi dan bisnis/pembuat keputusan dapat mengetahui,

apakah gejala ekonomi dan bisnis yang satu ada hubungannya dengan gejala yang lainnya.

5 Pelaku ekonomi dan bisnis/pembuat keputusan akan dapat melakukan pengujian, menarik kesimpulan dan mengambil keputusan terhadap suatu gejala ekonomi dan bisnis, serta dapat menaksirkan atau me-ramalkan hal-hal yang bakal terjadi di masa mendatang, yang dapat dipertanggung jawabkan secara ilmiah.

1.6 Data, Populasi dan SampelData. Dimuka telah diuraikan bahwa yang dimaksudkan dengan data ada-

lah kumpulan keterangan mengenai keadaan, kejadian atau gejala tertentu, baik yang berbentuk angka maupun yang tidak berbentuk angka. Yang dimak-sudkan dengan “data” dalam buku ini selanjutnya adalah data statistik. Data statistik adalah kumpulan keterangan mengenai keadaan, kejadian atau ge-jala tertentu yang berupa angka saja. Dengan kata lain, data statistik adalah data berupa angka (data kuantitatif). Sedangkan kumpulan keterangan men-genai keadaan, kejadian atau gejala tertentu yang tidak berupa angka (yang disebut data kualitatif) akan menjadi data statistik (data kuantitatif) setelah dilakukan kuantifikasi yaitu dengan cara memberi kode atau label.

Apakah setiap angka atau bilangan dapat disebut data statistik? Secara singkat jawabannya tentu saja: tidak. Sebuah angka (bilangan) dapat disebut data statistik, bila angka tersebut memenuhi persyaratan tertentu, yaitu bahwa angka yang dimaksud haruslah menunjukkan suatu ciri dari suatu penelitian yang bersifat agregatif serta mencerminkan suatu kegiatan dalam bidang atau lapangan tertentu. Yang dimaksud disini dengan penelitian agregatif adalah (1) bahwa penelitian itu boleh hanya mengenai satu individu saja, akan tetapi penelitian terhadap karakteristik tertentu dari individu tersebut harus dilakukan lebih dari satu kali (berulang-ulang), dan (2) bahwa penelitian terhadap karakteristik tertentu dari individu tersebut hanya dilakukan satu kali saja, akan tetapi yang diteliti harus lebih dari satu individu.

Populasi. Populasi adalah kumpulan dari seluruh elemen (unit atau indivi-du) sejenis yang dapat dibedakan yang menjadi obyek penyelidikan atau pe-nelitian. Unit (individu) yang menjadi obyek penyelidikan dan yang karakteris-tiknya ingin diketahui disebut satuan penelitian atau unit elementer. Sebagai elemen atau obyek penelitian dapat berupa orang, lembaga atau organisai, barang, besaran dan yang lainnya. Sedangkan yang dimaksudkan dengan karakteristik dari elemen/obyek penelitin tersebut adalah ciri-ciri, sifat-sifat atau hal-hal yang dimiliki oleh elemen (obyek) penelitian tersebut. Keterang-an-keterangan yang berkaitan dengan karakteristik yang dikumpulkan dari obyek penelitian itu akan membentuk data statistik. Dalam suatu penelitian, populasi sepenuhnya ditentukan oleh si peneliti. Populasi harus diberikan ba-tasan yang tegas. Ukuran populasi mengikuti luas daerah penelitian. Semakin luas daerah penelitian maka ukuran populasi akan menjadi semakin besar.

1. Pendahuluan


Sampel. Sampel adalah bagian (sebagian kecil) dari populasi yang karak-teristiknya hendak diselidiki.

1.7 Statistik Sampel dan Parameter PopulasiBerkaitan dengan statistika inferensia yaitu pengujian hipotesa dan

pendu gaan parameter populasi, terdapat dua istilah penting yang berkaitan yaitu: statistik dan parameter. Yang dimaksudkan dengan statistik dalam hal ini adalah ukuran-ukuran yang menyatakan karakteristik atau sifat-sifat dari suatu sampel, seperti antara lain: rata-rata sampel ( ), simpangan baku sampel (s), koefisien korelasi sampel (r), koefisien model regresi sampel (b), proporsi sampel , beda dua rata-rata sampel (x1–x2), dan beda dua proporsi sampel . Sedangkan yang dimaksudkan dengan parameter adalah ukuran-ukuran yang menyatakan karakteristik atau sifat-sifat dari suatu populasi, seperti antara lain: rata-rata populasi (m), simpangan baku populasi (s), koefisien korelasi populasi (r), koefisien model regresi populasi (b), proporsi populasi (P), beda dua rata-rata populasi (m1– m2), dan beda dua proporsi populasi (P1–P2).

1.8 Penggolongan Data StatistikSebagai kumpulan keterangan yang berbentuk angka (bilangan), data sta-

tistik dapat dibedakan dalam beberapa golongan, tergantung dari sudut pan-dang pembedaan itu dilakukan.

1 Berdasarkan cara memperolehnyaDitinjau dari segi cara memperolehnya, data statistik dapat dibedakan

menjadi dua golongan yaitu: data primer dan data sekunder. Data primer. Data primer adalah data yang dikumpulkan dan diolah sendiri

oleh suatu badan atau individu secara langsung dari obyeknya.Contohnya, seorang periset ingin mengetahui pendapat siswa SMA di

sebuah sekolah pada periode waktu tertentu, terhadap rencana diberikan pendidikan seks di sekolah tersebut. Untuk memperoleh data mengenai hal itu, periset harus mengadakan penelitian secara langsung terhadap sebagian atau seluruh siswa SMA yang dimaksud. Sebagai salah satu alat pengumpulan data, periset dapat menggunakan daftar pertanyaan. Informasi yang dijaring melalui daftar pertanyaan ini dikumpulkan dan diolah untuk menghasilkan data sesuai dengan tujuan penelitiannya. Misalnya, hasilnya menunjukkan bahwa dari sampel acak 200 siswa SMA, 60 persen dari mereka menyatakan setuju dan sisanya lagi 40 persen menyatakan tidak setuju.

Contoh lainnya, Anda ingin mengetahui bagaimana penilaian pelanggan PLN terhadap layanan pihak PLN di sebuah kota, pada periode waktu ter-tentu. Untuk memperoleh data mengenai hal itu (bila pihak lain belum pernah melakukan penelitian mengenai hal itu, di kota tersebut pada periode waktu yang dimaksud), Anda harus melakukan penelitian secara langsung terhadap sebagian atau seluruh konsumen pengguna jasa/ pelanggan PLN yang ada di kota tersebut. Misalnya, dari 300 sampel acak pelanggan PLN ternyata 90 pelanggan (30 persen) menyatakan sangat memuaskan, 120 pelanggan (40 persen) menyatakan puas, 60 pelanggan (20 persen) menyatakan cukup

1. Pendahuluan

Nata Wirawan 7

puas, dan 30 pelanggan (10 persen) menyakan kurang puas.Data sekunder. Data sekunder adalah data yang diperoleh dalam bentuk

sudah jadi, sudah dikumpulkan dan diolah oleh pihak lain atau telah dipu-blikasikan oleh pihak lain. Contohnya, data mengenai penduduk Indonesia. Penduduk Indonesia pada Tahun 1990 sebanyak 178,5 juta, Tahun 2000 se-banyak 205,1 juta dan pada Tahun 2010 sebanyak 237,6 juta jiwa. Data ter-sebut dapat diperoleh dari Badan Pusat Statistik Jakarta. Data tersebut telah dikumpulkan dan telah dipublikasikan oleh pihak BPS (Biro Pusat Statistik). Contoh lainnya, adalah data mengenai jumlah mahasiswa yang di terima per jurusan di sebuah fakultas ekonomi Tahun Akademis 2010/2011, misalnya Ju-rusan Ekonomi Pembangunan 70 orang, Jurusan Manajemen 150 orang dan Jurusan Akuntansi 200 orang. Data ini dapat diperoleh di bagian akademis fakultas/universitas. Pihak fakultas/universitas telah mencatatnya.

2 Berdasarkan waktu pengumpulannyaDitinjau dari segi waktu pengumpulannya, data statistik dapat dibedakan

menjadi dua golongan, yaitu: (1) data seketika dan (2) data berkala.Data seketika (cross section data). Data seketika atau data silang tempat

adalah data yang dikumpulkan pada waktu tertentu yang dapat menggam-barkan keadaan/karakteristik obyek penelitian pada waktu penelitian itu di-lakukan.

Contohnya: 1) Pendapatan per kapita penduduk Indonesia Tahun 2010 (atas dasar harga konstan) sebesar 9,723 juta rupiah. 2) Indeks harga perdagang an bahan bangunan pada Tahun 2007 dan 2010 masing-masing sebesar 232 dan 191. 3) Pengeluaran rata-rata per kapita sebulan penduduk Indonesia Tahun 2010 sebesar 627.043 rupiah.

Data berkala (time series data). Data berkala adalah data yang dikum-pulkan dari waktu ke waktu yang dapat menggambarkan tentang perkemban-gan suatu kegiatan/kejadian.

Contohnya: 1) Data mengenai perkembangan nilai ekspor Indonesia kurun waktu 2000-2010 (lihat Tabel 3.1). 2) Data mengenai perkembangan impor barang modal (juta US $) Indonesia periode 2006-2010 yaitu: 9.155, 9; 11.449,6; 21.400,9; 20.438,5; dan 26.916,6. 3) Data mengenai perkembang-an pertumbuhan ekonomi Indonesia periode 2008-2011 yaitu: 6,01; 4,58; 6,10 dan 6,48 persen.

3 Berdasarkan SifatnyaDitinjau dari segi sifat angkanya, data statistik dapat dibedakan menjadi

dua golongan, yaitu: (1) data diskrit, dan (2) data kontinu.Data diskrit. Data diskrit adalah data yang satuannya merupakan bilangan

bulat dan tidak berbentuk pecahan. Data diskrit pada dasarnya diperoleh dari hasil pencacahan.

Contohnya: 1) data mengenai jumlah mahasiswa per jurusan di sebuah fakultas ekonomi yaitu 200 orang mahasiswa akuntansi, 150 orang maha-siswa manajemen dan 100 orang mahasiswa ekonomi pembangunan. 2) Data mengenai jumlah pegawai sebuah perusahaan didasarkan atas pendidi-kannya yaitu: 10 orqng SMP, 20 orang SMA, dan 30 orang perguruan tinggi/

1. Pendahuluan


universitas. 3) Data mengenai jumlah sepeda motor dari berbagai merk yang laku pada sebuah dealer, seminggu terakhir. Misalnya, 10 unit sepeda motor merk Honda, 15 unit sepeda motor merk Yamaha, 12 unit sepeda motor merk Suzuki, dan 15 unit sepeda motor merk yang lainnya.

Data kontinu. Data kontinu adalah data yang satuannya merupakan bilang an pecahan. Data kontinu pada dasarnya diperoleh dari hasil penguku-ran.

Contohnya: 1) pengeluaran rata- rata per kapita sebulan penduduk pedesaan Indonesia pada Tahun 2010 sebesar 385.399 ribu rupiah. 2) Rata-rata indeks komulatif seorang mahasiswa ekonomi pada semester genap 2010/2011 yaitu sebesar 3,75. 3) Berat beras yang rusak di gudang A, gudang B dan gudang C pada tahun lalu masing-masing seberat 100,75 ton; 50,34 ton dan 255,67 ton.

4 Berdasarkan SumbernyaDitinjau dari segi sumber data, bagi suatu lembaga atau badan, data sta-

tistik dapat dibedakan menjadi dua golongan, yaitu: (1) data intern, dan (2) data ekstern.

Data intern. Data intern adalah data yang menggambarkan keadaan atau kegiatan dalam suatu lembaga atau badan

Contohnya: 1) data jumlah pegawai dalam dua tahun terakhir (pada Tahun 2010 sebanyak 80 orang, dan pada Tahun 2011 sebanyak 100 orang); 2) data jenis peralatan (peralatan jenis A sebanyak 2 unit, jenis B sebanyak 1 unit, dan jenis C sebanyak 4 unit); 3) data kekayaan tiga tahun terakhir, 2009-2011 (kekayaan pada Tahun 2009 senilai 2 miliar rupiah, kekayaan pada Tahun 2010 senilai 3 miliar riupiah, dan pada Tahun 2011 senilai 4 miliar rupiah; 4) data mengenai produksi bulanan (produksi bulan Januari, 200 unit; Februari, 250 unit; Maret, 275 unit, …, dan pada bulan Desember, 300 unit).

Data ekstern. Data ekstern adalah data yang menggambarkan keadaan atau kegiatan diluar suatu lembaga atau badan

Contohnya: 1) pendapatan per kapita masyarakat Rp 23,5 juta per tahun; 2) data mengenai perkembangan harga-harga (inflasi bulan januari 4,5 persen, inflasi bulan Februari 5,2 persen, dan seterusnya); 3) konsumsi per kapita masyarakat sekitarnya sebesar 25,34 juta per tahun. 4) Jumlah penduduk wilayah sekitarnya 400.000 jiwa.

5 Berdasarkan pengukurannyaDitinjau dari segi skala pengukurannya (cara menyusun angkanya), data

statistik dapat dibedakan menjadi empat macam yaitu: (1) data nominal, (2) data ordinal (3) data interval, dan (4) data rasio

Data nominal. Data nominal (data hasil pengukuran skala nominal) ada-lah data statistik yang cara menyusun angkanya didasarkan atas beberapa kategori (kelompok) tanpa memperhatikan urutan tertentu. Dengan kata lain, kedudukan satu kategori dengan kategori yang lainnya adalah setara atau sama. Label, kode, simbol yang diberikan kepada kategori hanya untuk mem-bedakan antara kategori satu dengan kategori lainnnya, dan tidak memiliki makna matematis. Dengan demikian operasi aritmatika tidak berlaku atas data nominal. Misalnya jenis kelamin laki-laki di beri kode 1, dan jenis kelamin

1. Pendahuluan

Nata Wirawan 9

perempuan diberi kode 0, atau serbaliknya jenis kelamin prempuan di kode 1 dan jenis kelamin laki-laki diberi kode 0.

Contohnya antara lain: 1) Data mengenai jumlah penduduk Bali pada Ta-hun 2010, ditinjau dari jenis kelaminnya (laki dan perempuan) yaitu laki-laki sebanyak 1.760.556 jiwa dan perempuan sebanyak 1.761.819 jiwa. 2) Data mengenai jumlah penduduk sebuah kota yang setuju dan yang tidak setuju terhadap rencana pembangunan stasiun kereta api di kotanya. Misalnya dari seluruh penduduk di kota tersebut yang menyatakan setuju 60 persen dan yang menyatakan tidak setuju 40 persen. 3) Data mengenai jumlah barang yang cacat dan tidak cacat (baik) hasil produksi suatu mesin dalam satu kali proses produksi. Misalnya dalam satu kali proses produksi menghasilkan 100 unit barang. Setelah diteliti/diperiksa ternyata 30 unit barang cacat dan 70 unit tidak cacat.

Data ordinal. Data ordinal (data hasil pengukuran skala ordinal) adalah data statistik yang cara menyusun angkanya didasarkan atas beberapa kate-gori dengan memperhatikan urutan tertentu/kedudukan (ranking). Dalam data ordinal kedudukan kategori tidak setara, melainkan sesuai dengan labelnya. Label, kode atau simbol yang diberikan kepada masing-masing kategori me-nunjukkan peringkat. Peringkat menunjukkan suatu urutan penilaian. Data ordinal juga memiliki sifat dari data nominal. Dalam data ordinal operasi arit-matika juga tidak berlaku.

Contohnya: Sampel acak 40 nasabah sebuah bank umum diminta penilaian-nya terhadap layanan bank tersebut. Pertanyaan yang diajukan adalah, “Menurut Anda bagaimana layanan bank umum tersebut?” Dengan 4 opsi jawaban yaitu: Sangat baik (diberi label 1), baik (diberi label 2), cukup baik (diberi label 3), dan kurang baik (diberi label 4). Nah, misalkan jawaban yang didapat sebagai berikut: sebanyak 20 nasabah menyatakan sangat baik, 10 nasabah menyatakan baik, 8 nasabah menyatakan cukup baik, dan 2 nasabah menyatakan kurang baik

Data interval. Data interval (data hasil pengukuran skala interval) adalah data statistik yang angkanya disusun dengan jarak sama antara golongan/kategori yang satu dengan golongan/katagori yang lainnya. Data interval memiliki sifat data nominal dan ordinal serta ditambah satu sifat yaitu memiliki jarak yang tetap (sama) antara satu kategori dengan kategori lainnya. Operasi aritmatika tertentu berlaku pada data interval.

Contohnya: 1) Data mengenai nilai ujian akhir semester mata kuliah sta-tistik ekonomi (lihat Tabel 1.8). 2) Salah satu pertanyaan, dalam sebuah riset adalah “Berapa kali Anda bolos kuliah dalam seminggu?” Diberikan kepada sampel acak 40 orang mahasiswa yang suka bolos pada saat kuliah berlang-sung. Opsi jawaban adalah 2 kali, 4 kali, dan 6 kali. Misalnya didapat hasil sebagai berikut: sebanyak 20 orang menjawab 2 kali, 15 orang menjawab 4 kali dan 5 orang menjawab 6 kali.

Data ratio. Data rasio (data hasil pengukuran skala rasio) adalah data statistik yang angkanya diperoleh dengan membandingkan nilai variabel yang satu dengan nilai absolut variabel yang lainnya (variabel pembanding). Data rasio memiliki ketiga sifat tiga jenis data sebelumnya (nominal, ordinal, dan interval) ditambah satu sifat lagi yaitu memiliki nilai nol yang memiliki arti (nol artinya tidak ada atau ketiadaan). Penghasilannya nol, artinya memang tidak

1. Pendahuluan


berpeng hasilan sepeser pun. Semuanya hadir artinya yang absen nol.Contohnya: 1) rata-rata berat barang A adalah 100 kg dan rata-rata berat barang B adalah 50 kg. Dari keterangan ini dapat disimpulkan bahwa rata-rata berat barang A dua kali rata-rata berat barang B. 2) Umur Si A 60 tahun dan umur Si B 20 tahun, maka umur Si A tiga kali umur Si B. Pada data rasio operasi aritmatika dapat dilakukan.

1.9 VariabelVariabel adalah suatu besaran yang nilainya bervariasi atau sesuatu yang

sifat-sifatnya atau cirri-cirinya bervariasi. Terdapat dua variabel dasar yaitu variabel kuantitatif dan variabel kualitatif. Variabel kuantitatif perhatiannya pada data bilangan/numerik atau nilai yang bervariasi, sedangkan variabel kualitatif perhatiannya pada sifat-sifat atau ciri-ciri yang bervariasi atau pada kategori (data bukan bilangan). Jika data bersifat kategorik/bukan numerik, bisanya yang ingin diketahui adalah berapa banyak anggota setiap kategori atau berapa besar proporsi tiap kategori.

Variabel kuantitatif dibedakan menjadi dua yaitu variabel kontinu dan variabel diskrit. Variabel kontinu didapat dari hasil pengukuran (ada alat ukur), oleh karena itu satuannya berupa bilangan pecahan atau desimal. Contohnya : (1) Tinggi badan. Misalnya : tinggi badan Gatot 175,55 cm, tinggi badan Made 165,44 cm dan tinggi badan Alexander 162,75 cm); (2) Rata- rata lama tinggal wisman tiap kunjungan ke Indonesia. Rata-rata lama tinggal wisman tiap kunjuynga ke Indonesia tahun 2011-2013 adalah 7,84 hari, 7,70 hari dan 7,65 hari (BPS Indonesia, 2014); (3) Deposito. Nlai deposito Akmad, Sari dan Maria di sebuah bank umum masing-masing Rp 75,65 juta, Rp 245,54 juta dan Rp 80,05 juta.

Variabel deskrit merupakan hasil pencacahan atau perhitungan sederha-na, oleh karena itu satuannya merupakan bilangan bulat positif dan nol. Contohnya: (1) Jumlah pegawai. Misalnya : Jumlah pegawai PT. Perkasa sebanyak 40 orang, Jumlah pegawai CV. Karunia sebanyak 25 orang dan jumlah pegawai UD. Sinar Sakti sebanyak 10 orang); (2) Jumlah mobil yang laku. Misalnya jumlah mobil yang laku pada sebuah dealer dalam 3 bulan terakhir yaitu 5 unit, 12 unit dan 10 unit; (3) Jumlah kamar hotel. Misalnya jumlah kamar hotel di Indonesia pada tahun 2011, 2012 dan 2013 adalah 142.789 unit, 155.740 dan 171.432 unit (BPS Indonesia, 2014)

Variabel kualitatif : Contohnya : (1) warna. Misalnya, dari 10 unit sepeda motor honda yang laku, terdapat 5 unit (50%) berwarna biru, 3 unit (30%) berwarna hitam dan 2 unit (20%) berwarna putih; (2) Jenis kelamin. Misalnya, dari 20 peserta tes perekerutan pegawai baru hari ini terdapat 11 orang (55%) laki-laki dan 9 (45%) perempuan; (3) Kawasan. Misalnya, dari keseluruhan wisman yang berkunjung ke Indonesia tahun 2013: 81,78% wisman asal Asia Pasifik, 3,43% wisman asal Amerika, 12,63 % wisman asal Eropa dan 2,16 % asal Timur Tengah dan Afrika (BPS Indonesia, 2014).

1.10 Penyajian Data StatistikData yang telah dikumpulkan perlu disajikan dalam bentuk yang mudah dibaca atau dimengerti oleh pelaku ekonomi dan bisnis atau oleh pembuat keputusan

1. Pendahuluan

Nata Wirawan 11

sebagai dasar membuat perencanaan atau mengambil keputusan. Data yang telah terkumpul tersebut dapat disajikan dalam bentuk tabel, grafik atau diagram, tergantung dengan jenis data dan keperluannya.Tabel merupakan kumpulan angka-angka yang disusun sedemikian rupa menurut kategori-kategori tertentu, sehingga kumpulan angka-angka terse-but (data) mudah untuk dianalisis. Sedangkan grafik (diagram) merupakan gambar yang menunjukkan secara visual data berupa angka, yang biasanya juga berasal dari tabel-tabel yang telah dibuat.

■ Penyajian data dalam bentuk tabel Data yang telah terkumpul dapat disajikan ke dalam salah satu bentuk tabel di bawah ini yaitu:

(1) Tabel klasifikasi tunggal.(2) Tabel klasifikasi ganda.(3) Tabel kontingensi.(4) Tabel frekuensi/distribusi frekuensi.

Agar lebih jelas, di bawah ini diberikan masing-masing dua contoh bentuk tabel.

Contoh 1-1Tabel klasifikasi tunggal

Tabel 1.1 Banyak Wisman yang Datang Langsung ke Bali Menurut Kawasan Tahun 2010.

Kawasan Banyaknya WismanAseanAsia Non AseanAmerikaEropaOseaniaAfrikaCew Armada

298.478781.336110.314599.392667.47016. 743102.409

Total 2.576.142Sumber: BPS-Provinsi Bali, 2011

Tabel 1.2 Banyak Pegawai Perusahaan A Dirinci Me -nurut Pendidikan Tahun 2010

Pendidkan Banyaknya(Uni)

SDSMPSMAPerguruan Tinggi

50402010

Total 120Sumber: Data Hipotetis

1. Pendahuluan


Contoh 1 - 2Tabel klasifikasi ganda

Tabel 1.3 Banyak Pegawai Perusahaan “XYZ” Menurut Jenis Ke-lamin dan Pendidikan Pada Tahun 2011

Jenis Kelamin Pendidikan JumlahSMP SMA PTLaki-lakiPerempuan

105

3020

2015

6040

Total 15 50 35 100Sumber: Data Hipotetis

Tabel 1.4 Banyaknya Pegawai Negeri Sipil Menurut Jabatan dan Jenis Kelamin Pada Tahun 2010

Jabatan Jenis Kelamin JumlahLaki-laki PerempuanFungsional Tertentu 927.360 1.172.288 2.099.648Fungsional Umum 1.363.838 915.585 2.279.423Struktural 169.085 49.944 219.029

Total 2.460.283 2.137.817 4.598.100Sumber: BPS-Jakarta, 2011

Contoh 1 - 3Tabel kontingensi

Tabel 1.5 Hubungan Tingkat Pendidikan dan Kebiasaan Mero-kok 35 Pegawai Usaha Bisnis Tour dan Travel Pada Tahun 2011

Pendidikan Kebiasaan Merokok JumlahTidak pernah Jarang SeringSDSMPSMAPerguruan Tinggi

2514

1425

2234

5116

13Total 12 12 11 35

Sumber: Data Hipotetis

1. Pendahuluan

Nata Wirawan 13

Tabel 1.6 Hubungan Tingkat Pendapatan Keluarga dan Je-nis Angkutan Umum yang Digunakan Bepergian

TingkatPendapatan

Jenis Angkutan Umum JumlahKereta Api Bus Taksi

RendahMenengahTinggi

605030

503020

102030

12010080

Total 140 100 60 300 Sumber: Data Hipotetis

Contoh 1 - 4Tabel frekuensi/Distribusi frekuensi

Tabel 1. 7 Besar Gaji Bulanan Pegawai Perusahaan Gajah Perkasa Pada Tahun 2014.

Gaji Bulanan(Juta Rupiah)

Frekuensi(f)

1,0 - 1,41,5 - 1,92,0 - 2,42,5 - 2,93,0 - 3,43,5 - 3,9

12

814156

Total 46 Sumber: Data Hipotetis

Tabel 1.8 Nilai UAS Statistik Ekonomi 70 orang Mahasiswa FEB-Unud Semester Ganjil Tahun 2014/2015.

Nilai Statistik Ekonomi Banyak Mahasiswa(f)

20 – 2930 – 3940 – 4950 – 5960 – 6970 – 7980 – 89

2471230105


■ Penyajian Data dalam Bentuk Diagram/GrafikData yang telah terkumpul, disamping dapat disajikan dalam bentuk tabel, dapat juga disajikan dalam salah satu bentuk diagram atau grafik berikut ini: (1) Diagram Batang (Bar Char)

1. Pendahuluan


(2) Diagram Lambang (Pictograph) (3) Diagram Lingkaran (Pie Chart) (4) Diagram Garis (Line Chart)

Contoh 1-5 Contoh Diagram Batang Bila data yang terdapat dalam Tabel 2.1 disajikan dalam bentuk diagram batang maka bentuknya seperti Diagram 1.1.

Contoh 1-6Contoh Diagram LambangBila data yang terdapat dalam Tabel 2.1 disajikan dalam bentuk diagram lambang, maka bentuknya seperti Diagram 1.2.

Diagram 1.2Banyaknya Pegawai Perusahaan A

Dirinci Menurut Pendidikan, Tahun 2011

SD : gggggggggg

SMP: gggggggg

SMA: gggg

PT : gg

(g: 5 orang)

Contoh 1-7Contoh Diagram Lingkaran Bila data yang terdapat dalam Tabel 1.2, maka bentuknya seperti Diagram 1.3.Terlebih dahulu dilakukan perhitungan sebagai berikut:

1. Pendahuluan

Nata Wirawan 15

SD =

SMP =

SMA =

PT =

atau data pada Tabel 1.2, dapat juga dinyatakan dalam bentuk Diagram Lingkaran 1.3a.

Contoh 1-8Contoh diagram garis

Tabel 1.9 Nilai Ekspor Indonesia Kurun Waktu 2006-2010 (Juta US $)

Tahun Nilai Ekspor20062007200820092010

100.798,6114.100,9137.020,4116.510,0157.779,1

Sumber: BPS –Jakarta, 2011

1. Pendahuluan


Bila data yang terdapat dalam Tabel 1.9, disajikan dalam bentuk diagram garis, bentuknya seperti Diagram 1.4.

Diagram 1.4Nilai Ekspor Indonesia

Kurun Waktu 2006 - 2010

020000400006000080000

100000120000140000160000180000200000

2006 2007 2008 2009 2010

Tahun

Nia

li E

kspo

r ( J

utaa

n $

)

■ Kartogram (Diagram Peta)

Kartogram adalah menggambarkan data statistik dengan menggunakan bantuan peta. Untuk keperluan ini pada peta diberikan tanda garis atau titik-titik atau gambar tertentu dan semua tanda atau gambar tersebut memiliki arti tertentu. Misalnya dalam suatu peta terdapat gambar gunung, danau, hotel, sendok dan garpu, tempat ibadah dan gambar orang berselancar. Gambar gunung, danau dan hotel menunjukkan bahwa di daerah/wilayah tersebut terdapat gunung, danau dan hotel. Gambar sendok dan garpu, menunjukkan bahwa di daearah/wilayah tersebut terdapat restoran/rumah makan. Gambar orang berselancar menunjukkan di daerah/wilayah tersebut (pantai) ada kegiatan berselancar.

1. Pendahuluan

Nata Wirawan 17

Soal-soal Latihan

1 - 1 Berikanlah batasan atau definisi dari statistik.

1 - 2 Apakah yang dimaksudkan dengan statistika deskriptif dan statistika inferensia?

1 - 3 Lembaga manakah di Indonesia yang banyak menerbitkan data statis-tik?

1 - 4 Apakah yang dimaksudkan dengan (data) statistik? Sebutkan penggo-longan (data) statistik.

1 - 5 Nyatakan apakah pernyataan-pernyataan berikut ini merupakan data statistik:(a) Rata-rata konsumsi kalori dan protein per kapita penduduk Indone-

sia pada tahun 2010 adalah 55,01 grm (BPS-Jakarta, 2011).(b) Pengeluaran rata-rata per kapita per bulan penduduk Indonesia

pada Tahun 2010 sebesar Rp 494.845,00 (BPS-Jakarta, 2011)(c) Konsumsi susu Si A pada Tahun 2011 sebanyak 15 kg.(d) Kebanyakan sepeda motor yang lewat di suatu tempat pada Pk.

08.00, bermerk Honda.(e) Nilai statistik kelas A lebih seragam dari pada kelas B(f ) Biaya iklan yang dikeluarkan oleh suatu perusahaan berkorelasi

positif dengan hasil penjualannya.(g) Konsumsi beras sebuah rumah tangga pada Tahun 2011 sebanyak

400 kg.(h) Produksi kendaraan bermotor dalam negeri Indonesia pada Tahun

2008, 2009, dan 2010 masing-masing sebanyak 6.864.893 unit, 6.348.837 unit dan 8.069.154 unit (BPS-Jakarta, 2011).

(i) Pengeluaran rumah tangga si B tahun lalu Rp 40 juta.

1 - 6 Tiga buah penelitian seperti di bawah ini dilakukan.Tunjukkanlah sam-pel dan populasinya dalam masing-masing penelitian.(a) Untuk mengetahui apakah seorang pasien menderita penyakit ma-

laria atau tidak, seorang dokter mengambil 1 cc darah pasien untuk diteliti (diperiksa). Hasil penyelidikan (pemeriksaan) menunjukkan bahwa pasien tersebut menderita penyakit malaria.

(b) Seorang ibu telah membuat satu panci gulai kambing. Untuk men-getahui rasa gulai kambing hasil olahannya itu, setelah diaduk sampai homogen, satu sendok makan gulai tersebut dicicipi, ter-nyata rasanya enak.

(c) Seorang pedagang jeruk dipinggir jalan, selalu menawarkan sebu-ah jeruk untuk dicicipi para pembelinya.

1 - 7 Apakah yang dimaksudkan dengan: (a) Data primer

1. Pendahuluan


(b) Data skunder(c) Data intern(d) Data ekstern(e) Data diskrit(f) Data kontinu(g) Data mentah(h) Data deret waktudan berikan masing-masing dua contoh.

1 - 8 Apakah yang dimaksudkan dengan (a) Data nominal(b) Data ordinal(c) Data interval(d) Data rasio(e) Statistik (sampel)(f) Parameter (populasi)Berikanlah masing-masing dua contoh.

1 - 9 Nyatakan apakah pernyataan-pernyataan berikut ini termasuk statistika deskriptif atau statistika inferensia.(a) Seorang ibu mencicipi sebuah jeruk dari sekeranjang jeruk yang

ditawarkan oleh pedagang musiman di pinggir jalan. Ternyata je-ruk yang dicicipi rasanya manis. Lalu si ibu menyimpulkan bahwa jeruk-jeruk yang ada di keranjang rasanya juga manis.

(b) Sekurang-kurangnya 2% dari semua kecelakaan kerja yang dila-porkan tahun lalu di sebuah kota tertentu diakibatkan oleh kece-lakaan pekerja sendiri.

(c) Kebanyakan mahasiswa sebuah perguruan tinggi di Jakarta, ke kampus mengendarai sepeda motor merk Honda.

(d) Seorang periset mengambil beberapa ml air danau (sebagai sam-pel) untuk diteliti tingkat pencemarannya. Setelah diperiksa dan dinilai berdasarkan kandungan zat pencemar dalam air, ternyata hasil sampel ini menunjukkan terjadi pencemaran ringan. Lalu ber-dasarkan hasil tersebut periset menyimpulkan bahwa air danau tercemar dalam kategori ringan.

(e) Survei omzet penjualan terhadap sepuluh toko (sampel acak) dari 100 toko dalam sebuah komplek pertokoan, di dapat hasil bahwa rata-rata omzet penjualan per bulannya adalah Rp 20,5 juta.

(f) Hasil riset terhadap sebagian mahasiswa yang diambil scara acak menyatakan bahwa sebagaian besar uang saku mingguannya dibelanjakan untuk beli pulsa.

(g) Seratus bola lampu pijar dari ribuan lampu pijar yang telah diproduksi oleh sebuah perusahaan dicoba umur pakainya, ternyata rata-rata umur pakainya 10.000 jam. Berdasarkan hasil tersebut pihak perusahaan menyimpulkan bahwa rata-rata umur pakai lampu pijar seluruh produksinya adalah 10.000 jam.

1. Pendahuluan

Nata Wirawan 19

1 - 10 Sebuah koran yang terbit di Kota Denpasar melalukan jajak pendapat untuk mengetahui tanggapan masyarakat terhadap perlu tidaknya angkutan umum (seperti bus kota) yang bertarif murah beroperasi di Bali. Salah satu pertanyaan yang diajukan adalah “ Apakah di Bali perlu angkutan umum seperti bus kota yang bertarif murah?”. Dengan 3 butir pilihan alternatif yaitu: (a) perlu, (b) tidak perlu, dan (c) tidak tahu. Dari 500 responden (pemilik telpon) di Bali didapat hasil sebagai berikut:

Katagori Jawaban Banyak RespondenPerluTidak PerluTidak Tahu

35013020

Pertanyaan: Jenis data apa (data nominal, ordinal, interval atau data rasio yang

Anda dapat jaring dari pertanyaan di atas?

1 - 11 Tanggapan 100 nasabah terhadap pelayanan sebuah bank umum yang berlokasi di Denpasar dapat dikatagorikan sebagai berikut:

Sangat memuaskan 20 Memuaskan 50 Kurang memuaskan 17 Jelek 13

Berdasarkan informasi tersebut, jenis data apa (ordinal, nominal, inter-val atau rasio) yang Anda dapatkan?

1 - 12 Lima besar realisasi penanaman modal asing provinsi di Indonesia pada tahun 2010 dapat disajikan sebagai berikut:

Provinsi Nilai Investasi (juta US $)DKI JakartaJawa TimurJawa BaratBanten Kalimantan Timur

6.429,31.769,21.692,01.544,21.092,2

Sumber: BPS-Jakarta, 2011. Diambil sebagian

Data tersebut merupakan data apa (nominal, ordinal, interval atau rasio)?

1 - 13 Berdasarkan publikasi BPS, bahwa jumlah anngota DPR RI yang ber-jenis kelamin laki-laki dan perempuan hasil Pemilu legislatif 2009 ada-lah sebagai berikut:

Laki-laki Perempuan Jumlah460 100 560

Sumber: BPS-Jakarta, 2011. Diambil sebagian

1. Pendahuluan

20 Statistika Ekonomi dan Bisnis (Statistik Deskriptif)


1 - 14 Berdasarkan publikasi BPS, bahwa TKI menurut kawasan/negara pe-nempatan dapat disajikan sebagai berikut:

Kawasan Penempatan Jumlah TKI(orang)

Asia Pasifik dan AmerikaTimur Tengah dan AfrikaEropa

267. 955307. 582

266 Sumber: BPS-Jakarta, 2011


1 - 15 Upah harian dari 120 karyawan lepas sebuah restoran, disajikan dalam tabel berikut:

Upah Harian(Ribu Rupiah)

Banyak Karyawan(orang)

40 – 4950 – 5960 – 6970 – 7980 – 8990 – 99

5157010128



1 - 16 Data di bawah ini adalah ukuran baju kaos dalam pria yang laku bulan lalu pada sebuah minimarket:

Ukuran Baju Banyak yang laku323436384042

40201516410

Data tersebut merupakan data apa (nominal, ordinal, interval atau ra-sio)?

2. Penjumlahan dan Pembulatan

Nata Wirawan 21

1-17 Data di bawah ini adalah lima besar investasi asing di lima negara Asia pada tahun 2014.

Negara Investasi Asing(Miliar USD)

CinaHongkongSingapuraIndonesiaThailand

128,0103,367,522,612,6

Sumber : Jawa Pos, 7 Juli 2015, h.5


1-18 Negara Yunani, sejak 5 tahun lalu mengalami krisis keuangan karena dibelit utang. Data di bawah ini adalah enam (6) nilai pinjaman terbesar yang diberikan kepada negara Yunani oleh enam negara/lembaga keuangan dunia.

Pemberi Pinjaman Nilai Pinjaman(Miliar Euro)

JermanPerancisItaliaSpanyolIMFECB

68,243,838,4

2521,418,1

Sumber : Kompas, 5 Juli 2015, h.5



PENJUMLAHAN

DAN PEMBULATAN

2.1 PengantarDalam bab ini akan dibahas kembali mengenai penjumlahan dengan

notasi jumlah S (baca: sigma) dan beberapa aturan operasinya, walaupun di SMU telah dipelajari. Alasannya? Oleh karena penjumlahan dengan notasi S ini banyak digunakan dalam perhitungan statistik. Disamping membahas mengenai penjumlahan dengan notasi S, dalam bab ini juga dibahas mengenai pembulatan bilangan.

Tujuan bab ini. Setelah mempelajari bab ini peserta didik (baca: maha-siswa) diharapkan dapat memahami dan mengoperasikan penjumlahan de-ngan notasi S. Selain itu juga, mahasiswa diharapkan mampu membulatkan bilangan sesuai dengan yang dikehendaki.

2.2 Penjumlahan dengan Notasi SDalam statistik sering dilakukan penjumlahan bilangan yang banyak serta

nilainya besar. Untuk menjumlahkan bilangan yang sedemikian itu, dipakai rumus:

T =

= x1 + x2 + x3 + . . . + x n (2.1)


Nata Wirawan 23

T = Total = jumlah, X = Variabel, dan Xi = Variabel yang ke- i, dibaca

sigma Xi untuk i = 1 sampai dengan i = n , yaitu penjumlahan dari nilai X yang pertama (x1 ) sampai dengan nilai X yang ke-n (xn) dengan kata lain, tanda di bawah S, yaitu i = 1 menunjukkan variabel permulaan dan tanda di atas S yaitu n, menunjukkan variabel yang terakhir yang dijumlahkan.

Beberapa Aturan Penjumlahan dengan Notasi S 1 Penjumlahan dari suatu bilangan tetap (konstanta) sebanyak n kali adalah

sama dengan n kali bilangan itu sendiri.

ki =

2 Penjumlahan dari perkalian suatu bilangan tetap (konstanta) dengan suatu variabel adalah sama dengan perkalian antara bilangan tetap itu dengan jumlah nilai-nilai variabel tersebut.

= k = k ( x1 + x2 + x3 + . . . + xn )

3 Penjumlahan dari jumlah atau selisih beberapa variabel adalah sama dengan jumlah atau selisih dari penjumlahan masing-masing variabel

=

±

k = bilangan tetap (konstanta)

Agar lebih jelas mengenai operasi penjumlahan dengan tanda S ini perhatikanlah beberapa contoh berikut ini

Contoh 2-1Bila diketahui, x1 = 6 , x2 = 3, x3 = 2, x4 = 5 dan x5 = 1 dan k = 8Hitunglah nilai:

(a)

(d)

(b)

(e)

(c)

(f)



Penyelesaian

(a) = x1 + x2 + x3 + x4 + x5

= 6 + 3 + 2 + 5 + 1 = 17(b) = x1 + x2 + x3 = 6 + 3 + 2 = 11

(c) = = 62 + 32 + 22 + 52 + 12

= 36 + 9 + 4 + 25 + 1 = 75

(d) =

= (6 + 3 + 2 + 5 + 1)2 = 289

(e) = kx2 + kx3 + kx4 = k(x2 + x3 + x4) = 8.3 + 8.2 + 8.5 = 8(3 + 2 + 5 ) = 80(f) = (x1 - k) + (x2 - k) + (x3 - k) + (x4 - k) + (x5 - k) = (6 - 8) + ( 3 - 8) + ( 2 - 8) + ( 5 - 8) + ( 1- 8) = - 2 - 5 - 6 - 3 - 7 = - 23

Contoh 2-2Bila diketahui, x1 = 5, x2 = 2, x3 = 3, x4 = 6, x5 = 1 y1 = 2, y2 = 3, y3 = 5, y4 = 1, y5 = 10 dan k = 2

Hitunglah nilai

(a) (c)

(b)

(d)

Penyelesaian

(a) = x1 y1 + x2 y2 + x3 y3 + x4 y4 + x5 y5 = 5.2 + 2.3 + 3.5 + 6.1 + 1.10 = 10 + 6 + 15 + 6 + 10 = 47


Nata Wirawan 25

(b) = (x1 + x2 + x3 + x4 + x5 ) ( y1 + y2 + y3 + y4 + y5)

= (5 + 2+ 3 + 6 + 1) (2 + 3 + 5 + 1 + 10)

= (17) (21) = 357

(c) = (x1 - y1)2 + (x2 - y2)2 +(x3 - y3)2 + (x4 - y4)2 +

(x5 - y5)2

= (5 - 2)2 + (2 - 3)2 + (3 - 5)2 + (6 - 1)2 +(5 - 10)2

= 32 + (-1)2 + (-2)2 + (5)2 + (-5)2

= 9 + 1 + 4 + 25 + 25

= 64

(d) = kY22 + kY3

2 + k Y42 = k(Y2

2 + Y32 + Y4

2)

= 2{(3)2 + (5)2 + (1)2}

= 2(9 + 25 + 1)

= 70

Contoh 2 - 3Diketahui nilai variabel X dan Y seperti yang tercantum pada tabel di bawah ini. Lengkapilah tabel tersebut dengan cara mengisi titik-titik yang terdapat dalam sel.

No.Urut Xi Yi Xi

2 Yi2 Xi Yi (Xi -Yi) (Xi -Yi)

2

1 6 2 . . . . . . . . . . . . . . .2 5 3 . . . . . . . . . . . . . . .3 4 1 . . . . . . . . . . . . . . .4 2 3 . . . . . . . . . . . . . . .5 1 5 . . . . . . . . . . . . . . .

Total . . . . . . . . . . . . . . . . . . . . .

Setelah tabel di atas dilengkapi, tentukanlah nilai

(a) Xii=∑

1

5 (b) X Yi i

i=∑

1

5 (c) Xii

2

1

5

=∑ (d) ( )X Yi I

i−

=∑ 2

1

5



PenyelesaianNo.Urut Xi Yi Xi

2 Yi2 Xi Yi (Xi -Yi) (Xi -Yi)

2

1 6 2 36 4 12 4 162 5 3 25 9 15 2 43 4 1 16 1 4 3 94 2 3 4 9 6 -1 15 1 5 1 25 5 -4 16

Total 18 14 82 48 42 4 46

Jadi,

(a) Xii=∑

1

5 = 18 (b) X Yi ii=∑

1

5 = 42 (c) Xii

2

1

5

=∑ = 82 (d) ( )X Yi I

i−

=∑ 2

1

5 = 46

Selanjutnya, pada bab-bab berikutnya dalam buku ini, untuk menyatakan jumlah semua/keseluruhan data yang ada yaitu , hanya dinyatakan dengan saja

2.3 Pembulatan BilanganPembulatan bilangan dalam statistik diperlukan dengan tujuan antara lain

(1) untuk memudahkan atau menyederhanakan perhitungan, dan (2) untuk menyederhanakan pencatatan atau penyajian data (data kuantitatif) dalam bentuk laporan. Untuk keperluan itu, data kuantitatif dibulatkan sampai satuan tertentu dengan cara menghilangkan angka-angka yang tidak diperlukan.

Guna pembulatan bilangan ini, aturan-aturan yang umum dipakai adalah:

Aturan 1Jika angka-angka terkiri dari yang akan dihapus kurang dari lima, maka angka terkanan dari yang mendahuluinya tidak berubah

Aturan 2Jika angka terkiri dari yang akan dihapus lebih besar atau lima diikuti ang ka-angka yang tidak semuanya nol, maka angka terkanan dari yang mendahu-luinya dinaikkan satu.

Aturan 3Jika angka terkiri dari yang harus dihapus adalah lima, dan diikuti ang ka-angka nol saja, maka angka terkanan yang mendahuluinya dinaikkan satu bila angka tersebut ganjil, dan tetap bila angka tersebut genap.

Untuk lebih jelasnya mengenai pembulatan bilangan ini, perhatikan contoh di bawah ini.


Nata Wirawan 27

Contoh 2 - 4Bulatkanlah bilangan di bawah ini, menjadi empat angka(a) 542,723 (c) 672,551(b) 723,681 (d) 872,450

Penyelesaian(a) 542,7 (aturan 1)(b) 723,7 (aturan 2)(c) 672,6 (aturan 2)(d) 872,4 (aturan

Soal-soal Latihan

2 - 1 Bila diketahui:x1 = 5, x2 = 3, x3 = 4, x4 = 1 y1 = 7, y2 = 5, y3 = 2, y4 = 3, dan k = 10

Hitunglah:

(a) (b)

(c) (d)

(e)

2 - 2 Diketahui nilai variabel X dan Y seperti tabel di bawah iniNo.Urut Xi Yi Xi

2 Yi2 (Xi Yi) (Xi

- Yi)2

1 10 4 . . . . . . . . . . . .2 9 5 . . . . . . . . . . . .3 8 6 . . . . . . . . . . . .4 7 7 . . . . . . . . . . . .5 6 10 . . . . . . . . . . . .6 5 9 . . . . . . . . . . . .7 6 8 . . . . . . . . . . . .8 4 1 . . . . . . . . . . . .9 3 2 . . . . . . . . . . . .

10 1 3 . . . . . . . . . . . .Total . . . . . . . . . . . . . . . . . .



Setelah saudara lengkapi tabel di atas, kemudian hitunglah nilai

(a) (b) (c) (d)

(e) (f) iiYX∑

2 - 3 Diketahui nilai variabel X dan Y seperti tabel di bawah ini.

No.Urut Xi Yi Xi

2 Yi2 Xi Yi Xi

2 - Yi Yi2 - Xi

1 2 3 . . . . . . . . . . . . . . .2 3 8 . . . . . . . . . . . . . . .3 5 2

4 4 9 . . . . . . . . . . . . . . .Total . . . . . . . . . . . . . . . . . . . . .

Setelah saudara lengkapi tabel di atas, kemudian hitunglah nilai:

(a) (d)

(b) (e)

(c) (f)

2 - 4 Bila diketahui 6 pasangan data (Xi ,Yi) seperti berikut in:No. Urut Xi Yi

123456

105045302035

343512

Tentukanlah nilai:

(a) (b) (c) (d)

(e) iiYX∑ (f) ∑ 2iX

2 - 5 Bulatkanlah bilangan-bilangan di bawah ini menjadi lima angka (a) 6565,080 (d) 9109,135 (b) 7734,643 (e) 6479,703 (c) 8154,707


Nata Wirawan 29

2 - 6 Bulatkanlah bilangan-bilangan di bawah ini menjadi tiga angka (a) 1,237 (d) 5,271 (b) 2,467 (e) 6,438 (c) 4,760 (f) 2,523

2 - 7 Bulatkanlah bilangan-bilangan di bawah ini menjadi empat angka (a) 2,0375 (d) 4,2718 (b) 5,7372 (e) 2,5382 (c) 3,4607 (f) 7,5035


DISTRIBUSI

FREKUENSI

3.1 PengantarData yang diperoleh melalui kegiatan pengumpulan data statistik, pada

umumnya masih berupa data mentah, keadaannya kurang tersusun dan te-ratur. Bila jumlah data yang ada hanya sedikit, tidak sulit untuk mengetahui ciri-ciri atau sifat-sifat yang dimiliki oleh data tersebut. Akan tetapi, bila jumlah datanya banyak, akan sulit untuk mengetahui ciri-ciri atau sifat-sifat yang di-miliki oleh data tersebut.

Oleh karena itu, agar dengan mudah dapat diketahui ciri-ciri atau sifat--sifat yang dimiliki oleh suatu data, atau agar data yang telah berhasil dikum-pulkan itu dapat memberikan informasi yang berarti dan berguna, sejalan dengan maksud dan tujuan pengumpulannya, maka data itu perlu disajikan dalam bentuk yang mudah dipahami dan dimengerti. Data yang telah dikum-pulkan tersebut perlu disusun secara sistematis dalam bentuk tabel frekuen-si (distribusi frekuensi), grafik atau diagram. Dalam Bab 3 ini, akan dibahas mengenai klasifikasi data, distribusi frekuensi, grafik distribusi frekuensi dan kurva frekuensi.

Tujuan bab ini. Setelah mempelajari bab ini, peserta didik (mahasiswa) diharapkan dapat memahami dan mampu menyusun distribusi frekuensi dari sekelompok data. Selain itu mahasiswa diharapkan mampu juga, membuat grafik dan kurva distribusi frekuensinya

3. Distribusi Frekuensi

Nata Wirawan 31

3.2 Penyusunan Data Secara SistematisDengan cara ini, data disusun sebagai berikut: data dikelompokkan ke

dalam kelompok-kelompok dan sub-sub kelompok menurut sifat-sifat atau ciri-ciri yang dimiliki oleh data, maupun menurut bilangan (nilai yang dimiliki oleh data).

Penyusunan data secara sistematis, dapat dilakukan dengan beberapa cara yaitu antara lain: (1) Berdasarkan waktu, (2) Berdasrakan wilayah, dan (3) Ber-dasarkan keadaan

1 Berdasarkan waktu (Time series)Menyusun data dengan cara ini, waktu menjadi dasar utama penyusunannya

Contoh 3-1Nilai ekspor Indonesia kurun waktu 2002 – 2014

Tabel 3.1 Nilai Ekspor Indonesia Kurun Waktu 2000-2010 (Juta US $)


57.158,861.058,271.584,685.660,0

100.798,6114.100,9137.020,4116.510,0157.779,1203.496,6190.020,3182.551,8176.292,5

Sumber: BPS -Jakarta, 2011, 2014. Kementerian Perdagangan, 2015

2 Berdasarkan WilayahMenyusun data dengan cara ini, wilayah atau daerah menjadi dasar utama

penyusunannya.

Contoh 3 - 2Nilai ekspor gas Indonesia menurut negara tujuan utama pada Tahun 2010 dapat disusun seperti Tabel 3.2.



Tabel 3.2 Nilai Ekspor Gas Indonesia Menurut Negara Tujuan Utama pada Tahun 2010 (Juta US $)

Negara Tujuan Utama Nilai Ekspor1 Jepang2 Korea Selatan3 Cina4 Thailand5 Filipina6 Malaysia8 Lainnya

5.892,02.877,3

339,567,32,9

320,34.170,2

Sumber: BPS-Jakarta, 2011

3 Berdasarkan Keadaan/FrekuensiMenyusun data dengan cara ini, kondisi fisik atau banyaknya kejadian pada

suatu tempat dalam waktu tertentu, menjadi dasar utama penyusunannya.

Contoh 3 - 3

Tabel 3.3 Omzet Penjulan Bulanan dari 42 BPW di Kabupaten Badung, Tahun 2014

Omzet (Juta rupiah )

BanyakBPW

0 - 1515 - 3030 - 4545 - 6060 - 7575 - 90

6212877


3.3 Distribusi Frekuensi

Klasifikasi dataLangkah awal dari analisis data adalah mengklasifikasikan data, yaitu me-

mi sah-misahkan data berdasarkan sifat-sifat yang dimilikinya, yaitu dari data yang sifatnya heterogen ke dalam kelompok-kelompok data yang memiliki sifat lebih homogen, sehingga data dengan sifat-sifat tertentu yang menjadi perhatian atau yang dipelajari dapat dilihat dengan segera. Klasifikasi data, pada garis besarnya disusun berdasarkan dua cara, yaitu: (1) Klasifikasi ber-dasarkan sifat-sifatnya, dan (2) Klasifikasi bedasarkan bilangan.


Nata Wirawan 33

1 Klasifikasi Berdasarkan Sifat-SifatKlasifikasi berdasarkan sifat-sifat atau ciri-ciri tertentu yang dimiliki oleh

serangkaian data adalah klasifikasi data secara kualitatif. Misalnya penduduk yang bekerja dan penduduk yang tidak bekerja, penduduk yang berpendidikan dan penduduk yang tak berpendidikan, kelompok orang yang setuju dan yang tak setuju terhadap suatu kebijakan yang akan diambil. Klasifikasi berdasarkan sifat-sifat (attribute) ini disebut juga klasifikasi berdasarkan katagorik.

2 Klasifikasi Berdasarkan BilanganKlasifikasi berdasarkan pada bilangan adalah klasifikasi secara kuanti-

tatif yang juga disebut klasifikasi berdasarkan kelas interval. Misalnya, gaji karyawan, volume ekspor, harga barang dan yang lainnya, yang diklasifikasi-kan ke dalam batas-batas nilai tertentu.

Distribusi FrekuensiDistribusi frekuensi atau tabel frekuensi adalah suatu daftar atau tabel yang

mendistribusikan data yang ada ke dalam beberapa kelas. Dengan kata lain, distribusi frekuensi merupakan tabel yang menunjukkan sebaran distribusi data yang ada, yang tersusun atas frekuensi tiap-tiap kelas atau kategori. Frekuensi tiap kelas atau kategori menunjukkan banyak pengamatan dalam kelas atau katagori yang bersangkutan.

Data yang perlu disusun ke dalam distribusi frekuensi, pada umumnya adalah data yang jumlahnya besar dan tidak teratur atau bervariasi. Untuk lebih jelasnya, sebagai contoh lihat Tabel 3.3.

Ada dua macam distribusi frekuensi, yaitu: (1) Distribusi frekuensi numerikal dan (2) Distribusi frekuensi kategorikal.

1. Distribusi frekuensi numerikalDistribusi frekuensi numerikal adalah distribusi frekuensi yang pembagian kelasnya dinyatakan dalam bentuk angka-angka atau secara kuantitatif.

Contoh 3 - 4

Tabel 3.4 Upah Harian 40 Karyawan Lepas PT. ARIES di Denpasar, Tahun 2010

Upah Harian(Ribu Rupiah)

BanyakKaryawan (Orang)

30,00 - 39,9940,00 - 49,9950,00 - 59,9960,00 - 69,9970,00 - 79,9980,00 - 89,9990,00 - 99,99

54571225




2 Distribusi frekuensi kategorikalDistribusi frekuensi kategorikal adalah distribusi yang pembagian kelasnya didasarkan atas jenis data atau golongan data yang dilakukan secara kualitatif.

Contoh 3 - 5

Tabel 3.5 Banyaknya Pegawai PT. ARIES di Denpasar Dirin-ci Menurut Asal Kabupaten/ Kota, Tahun 2010.

Kabupaten/Kota Banyak Karyawan (Orang)DenpasarTabananBadungBulelengGianyarLainnya

1078456

Total 40Sumber: Data hipotetis

Contoh 3 - 6

Tabel 3.6 Banyaknya Pegawai Negeri Sipil Pemerintah Indonesia Menurut Jenis Kelamin Tahun 2010.

Jenis Kelamin BanyaknyaLaki-laki

Perempuan2.460.2832.137.817

Total 4.778.100 Sumber: BPS-Jakarta, 2011

3.4 Penyusunan Distribusi Frekuensi NumerikalPenyusunan distribusi frekuensi atau tabel frekuensi berdasarkan bilangan

(numerical) bagi sekelompok atau sekumpulan data yang jumlahnya besar dapat dilakukan melalui beberapa tahapan sebagai berikut:Tahapan 1. Menentukan banyaknya kelas

Penentuan banyaknya kelas dipergunakan untuk mengelompokkan data yang ada. Banyak kelas dalam suatu distribusi frekuensi sebenarnya dapat ditentukan oleh penyusun distribusi frekuensi itu sendiri, disesuaikan dengan kebutuhan. Jadi, bersifat sangat subyetif. Dalam menentukan jumlah kelas boleh jumlah kelasnya sedikit, boleh juga jumlah kelasnya banyak, yang pen-ting semua data dapat masuk ke dalam kelas-kelas tersebut. (Data dengan


Nata Wirawan 35

nilai terkecil masuk pada kelas pertama dan data dengan nilai terbesar ma-suk pada kelas terakhir). Namun demikian, dalam menentukan banyak kelas dari distribusi/tabel frekuensi yang akan disusun (agar banyaknya kelas tidak terlalu banyak atau pun tidak terlalu sedikit), Sturges (1926) menyarankan untuk menggunakan rumus (3.1) sebagai pedoman.

k = 1 + 3,3 log n (3.1)

k = banyak kelasn = banyak data

Tahapan 2. Menentukan Panjang Kelas/Interval KelasSetelah banyaknya kelas ditentukan, langkah selanjutnya adalah menen-

tukan panjang kelas. Panjang kelas dapat ditentukan dengan rumus:

c =

(3.2)

c = Interval kelasXn = Nilai data terbesarX1 = Nilai data terendah/ terkecilR = Rangek = banyak kelas.

Tahapan 3. Menentukan batas kelasSetelah banyaknya kelas dan interval kelas ditentukan, langkah selanjutnya

ialah menentukan batas kelas bawah dari masing-masing kelas. Batas kelas bawah ini ditentukan sedemikian rupa sehingga nilai terkecil dari data tersebut dapat masuk dalam kelas pertama dan nilai terbesar dari data dapat masuk pada kelas terakhir.

Tahapan 4. Memasukkan masing-masing data dan menjumlahkanLangkah atau tahap terakhir dalam penyusunan tabel frekuensi ialah me-

masukkan (mendistribusikan) masing-masing data ke dalam kelas-kelas yang sesuai dan menjumlahkannya. Untuk mengecek frekuensinya dalam masing-masing kelas yang telah disusun dapat digunakan dua cara yaitu cara turus atau jari-jari (tally form) dan cara entry (entry form).

Agar lebih jelas bagaimana suatu tabel frekuensi dapat disusun, perhatikan Contoh 3-7.

Contoh 3 - 7Hasil survei penghasilan per bulan dari 70 usaha rental kendaraan roda empat yang diambil secara acak dari seluruh usaha rental kendaraan roda empat di Kabupaten Badung pada tahun 2010, diperoleh hasil sebagai berikut (satuan data dalam juta rupiah):



88 41 68 62 63 44 69 53 68 6933 78 53 55 72 62 82 73 48 8449 64 57 79 69 55 67 75 66 7969 31 64 58 75 78 76 64 38 8155 67 75 64 72 56 48 49 74 6868 63 68 69 54 58 35 56 56 8554 72 76 65 46 74 73 66 25 65

Susunlah distribusi frekuensi data mentah (raw data) tersebut

PenyelesaianTahapan penyusunan distribusi frekuensi adalah sebagai berikut:(1) Menentukan banyak kelas.

n = 70 k = 1 + 3,3 log n

= 1 + 3,3 log 70 = 1 + 3,3 (1, 8451) = 1 + 6,08 = 7,08 → dibulatkan menjadi 7

(2) Menentukan interval kelas

c =

=

= 9 (sebaiknya diambil 10)

(3) Menentukan batas kelas Oleh karena nilai data terkecil 25, maka batas bawah kelas I (pertama),

dapat dimulai dengan nilai 20, dengan demikian batas bawah kelas II (kedua) dan III (ketiga) berturut-turut 20 + 10 = 30 dan 30 + 10 = 40 dan seterusnya, seperti di bawah ini.

No. Kelas Penghasilan Per Bulan(Juta Rupiah)

IIIIIIIVVVIVII

20 - 2930 - 3940 - 4950 - 5960 - 6970 - 7980 - 99

(4) Memasukkan masing-masing data satu persatu mulai dari data yang per-tama hingga data yang terakhir ke dalam kelasnya yang sesuai, dengan memberi tanda tally atau tanda turus (/) dan menjumlahkannya, seperti Tabel 3.7.


Nata Wirawan 37

Tabel 3.7 Tabulasi Penghasilan per Bulan 70 Usaha Ren-tal Kendaraan Roda Empat di Kabupaten Ba-dung, Tahun 2010.

Kelas Frekuensi (Cara Turus) Frekuensi20 - 2930 - 3940 - 4950 - 5960 - 6970 - 7980 - 89

/////

///// /////// ///// ///

///// ///// ///// ///// ////////// ///// /////

/////

1 4 7132515 5

Setelah keseluruhan data dimasukkan ke dalam kelas-kelas yang sesuai (terdistribusi sampai habis) dan dijumlahkan, maka akhirnya diperoleh tabel frekuensi atau distribusi frekuensi seperti Tabel 3.8.

Tabel 3.8 Distribusi Penghasilan per Bulan 70 Usaha Ren tal Kendaraan Roda Empat di Kabupaten Badung,Tahun 2010

Penghasilan per Bulan(Juta Rupiah)

Banyak Usaha(Unit)

20 - 2930 - 3940 - 4950 - 5960 - 6970 - 7980 - 89

1 4 7132515 5

Total 70

Dengan tersusunnya tabel frekuensi, maka pola sebaran data dapat dike-tahui. Secara kasar, data dengan mudah dapat dides kripsikan. Namun, ke-kurangannya adalah beberapa informasi yang lebih rinci dari beberapa data akan hilang.

Dari Tabel 3.8 dapat diketahui (secara kasar) bahwa:(1) Penghasilan bulanan usaha rental kendaraan roda empat bervariasi dari

20 juta rupiah sampai 89 juta rupiah(2) Sebagian besar penghasilan bulanan terpusat di antara 50 juta rupiah dan

79 juta rupiah, yaitu sebanyak 53 unit, atau 75,71 persen dari seluruh sampel.

(3) Konsentrasi terbesar atau frekuensi tertinggi terdapat pada kelas ke-5 (ke-las 60 - 69), dengan nilai tengah sebesar 64,5. Nilai ini (64,5) dapat dian-ggap mewakili keseluruhan data. Jadi, penghasilan rata-rata usaha rental kendaraan roda empat di Kabupaten Badung sebesar 64,5 juta per bulan.



3.5 Bagian-bagian Tabel FrekuensiBagian-bagian dari tabel frekuensi yang perlu di ketahui (Hoel dan Jesen,

1982; Gupta dan Gupta, 1983) antara lain adalah:1 Kelas

Tiap-tiap kelompok nilai variabel disebut kelas.Data yang disajikan pada Tabel 3.8 tediri atas 7 kelas atau 7 kelompok data

2 Batas-batas kelas (class Limits) Nilai-nilai yang membatasi kelas yang satu dengan kelas yang lainnya disebut batas kelas. Dalam satu kelas ada dua batas kelas yaitu: batas bawah kelas (lower class limits) dan batas atas kelas (upper class limits). Perhatikan data yang disajikan pada Tabel 3.8. Kelas ke-3 dibatasi oleh dua bilangan yaitu 40 dan 49. Bilangan 40 merupakan batas bawah dari kelas ke-3 dan bilangan 49 merupakan batas atasnya.

3 Tepi-tepi kelas (class boundaries, true class limits)Batas-batas kelas yang tampak pada Tabel 7.8, bukanlah batas kelas yang sebenarnya. Kenapa? Perhatikan kelas ke-3. Secara teoritis, kelas ke-3 sebetulnya meliputi semua nilai antara 39,5 dan 49,5. Kedua nilai ini disebut tepi-tepi kelas (class boundaries), atau juga disebut batas kelas teoirtis atau true limits. Bilangan 39,5 disebut tepi bawah kelas dan 49,5 disebut tepi atas kelas dari kelas yang ke-3.Tepi bawah kelas diperoleh dengan mengurangkan setengah kali satuan terkecil terhadap batas bawah kelas, dan tepi atas kelas diperoleh dengan menambahkan setengah kali satuan terkecil terhadap batas atas kelasnya. Perhatikan kelas ke-3 pada Tabel 3.8. Satuan terkecil dari data yang ter-susun dalam tabel frekuensi tersebut adalah 1 satuan (1 satuan = seribu rupiah). Batas bawah (tampak) dari kelas ke-3 adalah 40 dan batas atas (tampak) kelas ke-3 adalah 49. Maka tepi bawah kelas ke-3 adalah 40 - 0,5(1) = 40 - 0,5 = 39,5; sedangkan tepi atas kelas ke-3 adalah 49 + 0,5(1) = 49 + 0,5 = 49,5. Contoh lainnya,misalnya suatu kelas dari sebuah tabel frekuensi dinyatakan dalam (40,00 - 49,99),maksudnya suatu kelas den-gan batas bawah (tampak) 40,00 dan batas atas (tampak) 49,99. Ini berar-ti satuan terkecil dari data yang tersusun dalam tabel frekuensi itu adalah 0,01(se-perseratus) satuan. Maka tepi bawah kelas tersebut adalah 40,00 - 0,5(0,01) = 39,995. Sedangkan tepi atas kelas tersebut adalah 49,99 + 0,5(0,01) = 49,995.

4 Luas kelas/kelas IntervalLuas kelas/panjang kelas atau interval kelas adalah selisih antara tepi atas kelas (batas atas nyata kelas) dengan tepi bawah kelas (batas bawah nyata kelas) dari kelas yang bersangkutan. Jika interval kelas ditambahkan pada batas bawah suatu kelas akan diperoleh batas bawah kelas berikutnya. Pada tabel frekuensi yang luas kelasnya sama, maka interval kelas, sama dengan jarak antara kelas yang satu dengan kelas yang lainnya yang berurutan atau selisih dari batas bawah kelas yang satu dengan batas bawah kelas yang lainnya yang berdekatan/berurutan. Interval kelas dari data yang tersaji pada Tabel 3.8 adalah 10. Didapat dari 49,5 dikurangi 39,5 atau 89,5 dikurangi 79,5 atau 40 dikurangi 30, atau 50 dikurangi 40.


Nata Wirawan 39

5 Nilai tengah kelas (class mark, class mid point)Nilai tengah (class mid point) juga disebut tanda kelas (class mark) adalah rata-rata antara batas atas dengan batas bawah suatu kelas, atau batas atas + batas bawah suatu kelas dibagi dua. Perhatikan Tabel 3.8. Nilai tengah kelas ke-2 = (30 + 39)/2 = 34, 5. Nilai tengah kelas ke-3 = (40 + 49)/2 = 44,5. Dengan cara yang sama dapat dihitung nilai tengah kelas yang lainnya. Nilai tengah ini merupakan nilai pendekatan dari nilai rata-rata yang terdapat pada suatu kelas. Nilai tengah ini dapat dianggap mewakili nilai data-data yang ada pada satu kelas. Ini merupakan konkuensi dari data yang disusun berdasarkan tabel frekuensi. Sehingga beberapa informasi secara rinci dari data yang disusun (data asli) tidak dapat diketahui atau hilang.

Perhatikan kelas ke-3 dalam Tabel 3.8, frekuensinya 7, itu menunjukkan banyak pengamatan 7. Dari 7 data yang diamati tersebut berapa banyak data yang bernilai 41, atau yang bernilai 46? Informasi untuk itu, tidak dapat diketahui, dengan kata lain informasi detailnya hilang.

Batas-batas kelas, tepi-tepi kelas dan nilai tengah kelas tabel atau distribusi frekuensi data dalam Tabel 3.8, dapat disajikan sebagai berikut:

Batas-batas kelas Tepi-tepi kelas Nilai tengah kelas20 - 2930 - 3940 - 4950 - 5960 - 6970 - 7980 - 89

19,5 - 29,529,5 - 39,539,5 - 49,549,5 - 59,559,5 - 69,569,5 - 79,579,5 - 89,5

24,534,544,554,564,574,584,5

Sumber: Tabel 3.8

Agar lebih jelas mengenai bagian-bagian tabel frekuensi simaklah contoh berikut ini.

Contoh 3 - 8Ditentukan tabel frekuensi seperti di bawah ini

Tabel 3.9 Uang Saku Bulanan 60 Mahasiswa FE-Unud, Tahun 2010

Uang Saku(Puluh Ribu Rupiah)

Banyak Mahasiswa(Orang)

40 – 44,945 – 49,950 – 54,955 – 59,960 – 64,965 – 69,9

258

11268




Dari tabel frekuensi (Tabel 3.9) tentukanlah:(a) Banyak kelas.(b) Batas-batas kelas dari kelas yang ketiga.(c) Frekuensi untuk kelas kedua dan kelas kelima.(d) Tepi atas kelas kedua atau tepi bawah kelas ketiga.(e) Kelas mark (nilai tengah kelas) dari kelas ketiga.(f) Kelas intervalnya.(g) Batas kelas bawah dan batas kelas atas dari kelas-kelas tabel frekuensi

tesebut.(h) Tepi bawah kelas kedua.

Jawab (a) Banyaknya kelas = 6(b) Batas bawah kelas ketiga ialah 50 dan batas atasnya ialah 54,9.(c) Frekuensi untuk kelas kedua ialah 5 dan frekuensi kelas kelima ialah 26(d) Tepi atas kelas kedua atau tepi bawah kelas ketiga adalah: 49,9 + 0,5(0,1) = 49,95 atau 50 - 0,5(0, 1) = 49,95 50 + 54,9(e) Kelas mark dari kelas ketiga = ––––––––––– = 52,45 2(f) Kelas intervalnya = 5(g) Batas kelas bawah dari kelas -kelas tabel frekuensi tersebut adalah: 40, 45, 50, 55, 60 dan 65 Batas kelas atas dari kelas-kelas tabel frekuensi tersebut adalah: 44,9; 49,9; 54,9; 59,9; 64,9; dan 69,9.(h) Tepi bawah kelas kedua = 45 - 0,5(0,1) = 44,95

Contoh 3 - 9Diketahui tabel frekuensi modal usaha 60 pedagang pada sebuah pasar tra-disional seperti dalam Tabel 3.10.

Tabel 3.10 Modal Usaha 60 Pedagang di Sebuah Pasar Tradisio nal Pada Tahun 2015

Modal(Juta rupiah)

Banyak Pedagang(Orang)

4 – 4,95 – 5,96 – 6,97 – 7,98 – 8,99 – 9,9

461220108



Nata Wirawan 41

Berdasarkan Tabel 3.10, tentukanlah:(a) Banyak pedagang kaki lima yang modal usahanya antara Rp 7 juta hingga

Rp 7,9 juta.(b) Banyak pedagang kaki lima yang modal usahanya lebih kecil dari Rp 8

juta.(c) Besar modal usaha yang dimiliki paling banyak oleh pedagang kaki lima

- pedangan kaki lima tersebut?

Jawab(a) 20 pedagang (lihat frekuensi kelas keempat).(b) 42 pedagang (jumlahkan frekuensi yang terdapat pada kelas pertama,

kedua, ketiga dan keempat yaitu 4 + 6 + 12 + 20 = 42.(c) Berkisar antara 7 juta rupiah hingga 7,9 juta rupiah (ada sebanyak 20

pedagang).

3.6 Syarat-Syarat Tabel Frekuensi yang BaikBeberapa persyaratan suatu tabel frekuensi (distribusi numerikal) yang

baik adalah sebagai berikut:(1) Suatu tabel frekuensi hendaknya mempunyai nomor tabel, judul tabel dan

satuan.(2) Banyak kelas dianjurkan ditentukan berdasarkan atas pedoman Sturges

dan sebaiknya dihindari penggunaan banyaknya kelas yang melebihi 20 kelas. Dianjurkan paling sedikit 5 dan paling banyak 20 kelas.

(3) Hindari adanya kelas yang terbuka, karena kelas yang terbuka tidak ada batasnya. Sehingga sulit menentukan nilai tengah kelas. Kelas terbuka ini kadang kala tidak dapat dihindari, terutama bila terdapat sebagian kecil data memiliki nilai ektrem, nilai terlalu kecil atau terlalu besar dibanding-kan sebagian besar nilai-nilai data yang lainnya.

Contoh 3 -10Tabel frekuensi dengan kelas terbuka

Tabel 3.11 Uang Saku Mingguan 100 Mahasiswa FEB–Unud, Tahun 2015


Banyak (Mahasiswa Orang)

30 - 3940 - 4950 - 5960 - 6970 - 7980 atau lebih

25202515132

Total 100



4 Hindari adanya interval kelas yang tidak sama. Prihal ini dapat terjadi, bila ada kelas yang frekuensinya nol. Akibatnya dua

kelas dapat digabung menjadi satu kelas.

Contoh 3-11Tabel frekuensi dengan interval kelas tidak sama

Tabel 3.12 Uang Saku Mingguan 80 Mahasiswa FE – Unud,Tahun 2010


Banyak Mahasiswa(orang)

30 - 3940 - 4950 - 6970 - 7980 - 89

25202582

Total 80

5 Hindari adanya batas kelas yang sama (batas kelas berulang). Hal ini dimaksudkan untuk menghindari sebuah datadimasukkan secara

berulang (lebih dari satu kali).

Contoh 3-12Tabel frekuensi dengan batas kelas yang sama

Tabel 3.13 Uang Saku Mingguan 80 Mahasiswa FEB – Unud, Tahun 2015

Uang Saku(Puluh Ribu Rupiah) Banyak Mahasiswa

30 - 4040 - 5050 - 6060 - 7070 - 8080 - 90

2520151082

Total 80 Bila terdapat data dengan nilai 50, di kelas mana dimasukkan? Di kelas kedua atau di kelas ketiga? Demikian juga, bila ada data dengan nilai 60, di kelas mana dimasukkan? Oleh karena itu, untuk menghindari keraguan semacam itu atau menghindari sebuah data masuk di dua kelas, penyusunan tabel frekuensi dengan batas kelas yang sama tidak disarankan.

6 Sumber data hendaknya disebutkan Hal ini sangat perlu, untuk mengecek jika ada keragu-raguan terhadap data


Nata Wirawan 43

3.7 Penyusunan Tabel Frekuensi KategorikalDalam menyusun tabel frekuensi berdasarkan katagori tidak dijumpai ma-

salah penentuan banyaknya kelas, penentuan batas kelas, interval kelas dan yang lainnya. Dalam hal ini, hanya menentukan katagori yang mana akan di per gunakan. Dalam menentukan katagori yang akan digunakan, sangat subyetif sifatnya, disesuaikan dengan kebutuhan penyusun tabel frekuensi itu sendiri. Akan tetapi, disarankan untuk memilih katagori yang telah lazim digunakan. Pada umumnya dipilih katagori yang secara resmi digunakan oleh pemerintah. Misalnya, pemerintah membagi tingkat pendapatan menjadi tiga katagori yaitu tingkat pendapatan rendah, menengah dan tinggi. Demikian juga katagori industri yaitu: industri kecil, menengah dan besar. Kepadatan penduduk suatu daerah dikatagorikan atas: penduduk jarang, sedang dan tinggi. Setelah katagori ditentukan, tinggal memasukkan data ke masing-ma-sing katagori ini dan menjumlahkannya.

Contoh 3-13Di bawah ini adalah data mengenai kepadatan penduduk per km2 di 16 pro-vinsi dari 32 provinsi di Indonesia, berdasarkan hasil pencacahan lengkap sensus penduduk Tahun 2010.

No. Provinsi Kepadatan Pendudukper - Km2

1 Daerah Istimewa Aceh 782 Sumatera Utara 1783 Sumatera Barat 1154 Riau 645 Jambi 626 Kepulauan Riau 2057 Sumatera Selatan 818 Bengkulu 869 Lampung 22010 DKI Jakarta 14.46911 Jawa Barat 1.21712 Jawa Tengah 98713 D.I Yogyakarta 1.10414 Jawa Timur 78415 Bali 67316 Nusa Tenggara Barat 242

Sumber: BPS- Jakarta, 2011. Diambil sebagian.

Berdasarkan data di atas, buatlah tabel frekuensi yang disusun berdasar kan kategori kepadatan penduduk, yang mengacu kepada kriteria yang ditetapkan oleh Direktorat Pembangunan Dasar, yaitu penduduk jarang (kepadatan ku-rang dari 200 jiwa / Km2, penduduk sedang (kepadatan antara 200 - 300 jiwa / Km2) dan penduduk tinggi (kepadatan penduduk lebih dari 300 jiwa / Km2).



Penyelesaian

Tabel 3.14 Kepadatan Penduduk 16 Provinsi dari 32 Provinsi di Indonesia, Tahun 2010

Kepadatan penduduk Banyak ProvinsiPenduduk JarangPenduduk SedangPenduduk Tinggi

736

Total 16

3.8 Distribusi Frekuensi RelatifAda kalanya, analisis statistik ingin mengetahui secara cepat proporsi

atau persentase dari data yang memiliki sifat-sifat atau ciri-ciri tertentu. Untuk keperluan itu distribusi frekuensi perlu dinyatakan dalam bentuk persentasi atau fraksi. Tabel frekuensi sedemikian itu disebut tabel frekuensi relatif. Frekuensi relatif (fr) adalah frekuensi yang dinyatakan dalam angka relatif (persentase). Frekuensi relatif tiap kelas dapat dihitung dengan rumus:

Frekuensi absolut tiap kelasfr = ––––––––––––––––––––––––– (3.3) Seluruh frekuensi

Contoh 3 - 14

Tabel 3.15 Tabel Frekuensi Relatif Penghasilan per Bulan 70 Usaha Rental Kendaraan Roda Empat di Kabupaten Badung, Tahun 2010

Penghasilan per Bulan(Juta Rupiah)

Banyak Usaha Rental (f )

Persentase(fr)

20 - 2930 - 3940 - 4950 - 5960 - 6970 - 7980 - 89

1471325155

1,435,7110,0018,5735,7221,437,14

Total 70 100

Informasi apa yang dapat diperoleh dari Tabel 3.15? Informasi yang dapat diperoleh dengan cepat dari Tabel 3.15, antara lain adalah:

(1) Usaha rental kendaraan roda empat yang penghasilan per bulannya berki-sar antara 20 juta rupiah hingga 29 juta rupiah, sebanyak 1 (unit) usaha atau 1,43 % ( = x 100%)


Nata Wirawan 45

(2) Usaha rental kendaraan roda empat yang penghasilan per bulannya berki-sar antara 70 juta rupiah hinggai 79 juta rupiah, sebanyak 15 (unit) usaha, atau 21, 43% ( = x 100%)

(3) Hanya 7,14 % (= x 100%) dari ke 70 Usaha rental kendaraan roda

empat tersebut, penghasilan per bulannya berkisar antara 80 juta rupiah hingga 89 juta rupiah.

(4) Usaha rental kendaraan roda empat tersebut 35,72% penghasilan per bulannya berkisar antara 60 juta rupiah hingga 69 juta rupiah.

(5) Secara kasar, dapat dinyatakan bahwa rata-rata penghasilan usaha rental kendaraan roda empat tersebut adalah sekitar 64,5 juta per bulan (diwakili oleh nilai tengah kelas dengan frekuensi tertinggi).

Banyak informasi lainnya yang dengan cepat dapat diperoleh dari tabel frekuensi relatif semacam itu.

3.9 Distribusi Frekuensi KomulatifSeringkali orang tertarik untuk mengetahui dengan cepat banyaknya penga-

matan (data) yang memiliki nilai di atas atau di bawah nilai tertentu. Untuk ke-perluan itu, harus disusun tabel frekuensi komulatif.Frekuensi Komulatif (Fc) dari suatu tabel frekuensi adalah frekuensi yang dapat menunjukkan jumlah frekuensi yang terletak di atas atau di bawah suatu nilai tertentu dalam suatu interval kelas.

Ada dua macam frekuensi komulatif yaitu: (1) frekuensi komulatif “kurang dari”, dan (2) frekuensi komulatif “lebih dari”. Tabel frekuensi yang frekuen-si tiap kelasnya disusun berdasarkan frekuensi komulatif disebut distribusi frekuensi komulatif.

Untuk menyusun tabel frekuensi komulatif dari sekelompok data, peng-golongan datanya dapat digunakan batas kelas (lihat Tabel 3.16 dan Tabel 3.18) dan dapat juga digunakan tepi kelas (lihat Tabel 3.17dan Tabel 3.19).

1 Distribusi frekuensi komulatif ”kurang dari”Frekuensi komulatif “kurang dari” (less than) adalah frekuensi yang dapat menunjukkan jumlah frekuensi yang kurang dari nilai tertentu. Frekuensi komulatif “kurang dari” dapat ditentukan dengan menjumlahkan frekuensi pada kelas-kelas sebelumnya.Di bawah ini diberikan dua contoh distribusi frekuensi komulatif “kurang dari”, yang penggolongan datanya menggunakan batas kelas (Tabel 3.16) dan tepi kelas (Tabel 3.17).



Tabel 3.16 Distribusi Komulatif “Kurang dari” Pengasilan per Bulan 70 Usaha Rental Kendaraan Roda Empat di Kabupaten Badung, Tahun 2010

Penghasilan per Bulan (juta Rp)

Banyak Usaha (f c)

Persentase(%)

Kurang dari 20 Kurang dari 30 Kurang dari 40Kurang dari 50 Kurang dari 60 Kurang dari 70Kurang dari 80 Kurang dari 90

00+10+1+40+1+4+70+1+4+7+130+1+4+7+13+250+1+4+7+13+25+150+1+4+7+13+25+15+5

015

1225506570

0,001,437,1417,1435,7171,4392,86100,00

Sumber: Tabel 3.8

Dari Tabel 3.16, dapat dengan cepat diketahui, misalnya jumlah usaha rental yang penghasilan per bulannya kurang dari 60 juta rupiah sebanyak 25 unit usaha atau 35,71%. Jumlah usaha rental yang penghasilan per bulannya kurang dari 80 juta rupiah sebanyak 65 unit usaha atau 92,86%.

Bila penggolongan datanya dilakukan dengan menggunakan tepi kelas, distribusi komulatif “kurang dari” akan berbentuk sebagai berikut:

Tabel 3.17 Distribusi Komulatif “Kurang dari” Pengasilan per Bulan 70 Usaha Rental Kendaraan Roda Empat di Kabupaten Badung, Tahun 2010

Penghasilan per Bulan (Juta Rp)

Banyak Usaha (f c)

Persentase(%)

Kurang dari 19,5 Kurang dari 29,5 Kurang dari 39,5Kurang dari 49,5 Kurang dari 59,5Kurang dari 69,5Kurang dari 79,5 Kurang dari 89,5

015

1225506570

0,001,437,14

17,1435,7171,4392,86

100,00Sumber: Tabel 3.8

2 Distribusi frekuensi komulatif "lebih dari"Frekuensi komulatif “lebih dari” (more than) adalah frekuensi yang dapat

menunjukkan jumlah frekuensi yang lebih dari nilai tertentu. Frekuensi komulatif “lebih dari“ dapat ditentukan dengan menjumlahkan frekuensi pada kelas-ke-las sesudahnya sampai kelas itu sendiri. Dalam menyusun tabel frekuensi ko-


Nata Wirawan 47

mulatif “lebih dari”, yang dipergunakan sebagai batas bawahnya adalah batas bawah kelas atau tepi bawah kelas dari masing-masing kelas.

Seperti telah dijelaskan di muka, bahwa untuk mengetahui dengan cepat berapa banyak pengamatan (data) yang nilainya di atas nilai tertentu, dapat dilihat melalui tabel frekuensi komulatif “lebih dari”, seperti contoh di bawah ini.

Contoh 3 - 15Tabel 3.18 Distribusi Komulatif “Lebih Dari“ Pengasilan per Bu-

lan 70 Usaha Rental Kendaraan Roda Empat di Ka-bupaten Badung, Tahun 2010.

Penghasilan per Bulan (Juta Rp)

Banyak Usaha (f c)

Persentase(%)

20 atau lebih30 atau lebih 40 atau lebih50 atau lebih 60 atau lebih 70 atau lebih80 atau lebih 90 atau lebih

5+15+25+13+7+4+15+15+25+13+7+45+15+25+13+75+15+25+135+15+255+1550

70696558452050

100,0098, 5792,8682,8664,2928,577,140,00

Sumber: Tabel 3.8

Dari Tabel 3.18, dapat diketahui dengan cepat, misalnya jumlah usaha rental yang penghasilan per bulannya lebih besar atau sama dengan 50 juta rupiah sebanyak 58 unit usaha atau 82, 86%. Jumlah usaha rental yang peng-hasilan per bulannya lebih besar atau sama dengan 80 juta rupiah sebanyak 5 unit usaha (7,14%). Jumlah usaha rental yang penghasilan per bulannya pada kisaran 50 juta rupiah hingga 80 juta rupiah sebanyak (58 - 5) = 53 unit usaha (75, 72%)

Distribusi frekuensi komulatif “lebih dari” Tabel 3.18, pengelompokan da-tanya menggunakan batas kelas. Bila pengelompokkan datanya digunakan tepi kelas bentuknya sebagai berikut:

Tabel 3.19 Distribusi Komulatif “Lebih Dari” Pengasilan per bu-lan 70 Usaha Rental Kendaran Roda Empat di Ka-bupaten Badung, Tahun 2010.

Penghasilan per Bulan (Juta Rupiah)

Banyak Usaha (fc)

Persentase(%)

lebih dari 19, 5lebih dari 29, 5lebih dari 39, 5lebih dari 49, 5lebih dari 59, 5lebih dari 69, 5lebih dari 79, 5lebih dari 89, 5

70696558452050

100,0098,5792,8682,8664,2928,577,140,00

Sumber: Tabel 3.8



3.10 Grafik Distribusi FrekuensiUntuk menggambarkan grafik atau diagram dari distribusi frekuensi se-

bagian telah diuraikan secara sepintas dalam Bab 1. Pada bagian ini akan dibahas tiga macam grafik, yaitu (1) Histogram, (2) Polygon, dan (3) Ogive

1 HistogramHistogram adalah gambaran mengenai suatu distribusi frekuensi, untuk

setiap kelas dari tabel frekuensi yang dinyatakan dalam segi empat. Sumbu horizontal menunjukkan nilai-nilai data yang dinyatakan dalam kelas- kelas data dan sumbu vertikal menunjukkan frekuensi data. Skala horizontal boleh memakai tepi-tepi kelas (class boundaries), batas -batas kelas (class limits) atau dapat pula memakai angka yang mudah dan relatif bulat yang mendekati.

Penyajian data dalam bentuk histogram ini akan memudahkan bagi siapa saja, dengan cepat dapat mengetahui secara umum sifat-sifat yang dimiliki oleh data. Oleh karena itu, histogram adalah salah satu bentuk diagram yang digunakan secara luas dalam berbagai bidang ilmu, untuk menyampaikan pesan/informasi yang secara cepat dapat dipahami.

Berikut ini disajikan grafik histogram dari Tabel 3.8.

Digram 3.1 Histogram Frekuensi Penghasilan per Bulan 70 Usa-ha Rental Kendaraan Roda Empat di Kabupaten Ba-dung, Tahun 2010

Banyak usaha 25- 15- 10 - 5 - // 19,5 29,5 39,5 49,5 59,5 69,5 79,5 89,5 Penghasilan per bulan (dalam juta rupiah)

Gambar 3.1

2 Poligon FrekuensiPoligon frekuensi adalah garis yang menghubungkan titik-titik yang diben-

tuk oleh titik tengah-titik tengah kelas dan frekuesi kelasnya dari suatu distri-busi frekuensi atau dari suatu histogram. Di bawah ini disajikan gafik polygon dari Tabel 3.15.


Nata Wirawan 49

Diagram 3.2 Poligon Frekuensi Penghasilan per BulanUsaha Rental Kendaraan Roda Empat di Kabupaten Badung,

Tahun 2010

05

1015

2025

30

24,5 34,5 44,5 54,5 64,5 74,5 84,5

Ban

yak

usa

ha

Penghasilan per Bulan (dalam juta rupiah)

3 Poligon Frekuensi KumulatifPoligon frekuensi kumulatif atau sering disebut Ogive adalah diagram

bentuk garis dari distribusi frekuensi komulatif. Sumbu vertikal menyatakan frekuensi komulatif, dan sumbu horizontal menyatakan tepi kelas (kelas boundaries). Ogive untuk data yang tersaji pada Tabel 3.17 dan Tabel 3.19 bentuknya sebagai berikut:

0

10

20

30

40

50

60

70

80

19,5 29,5 39,5 49,5 59,5 69,5 79,5 89,5

Diagram 3.3 Ogive Frekuensi Penghasilan per Bulan 70 Usaha Rental Roda Empat di Kabupaten Badung, Tahun 2010

Penghasilan Per Bulan (dalamJuta rupiah)

Ban

yak

usa

ha

kurang dari

lebih dari

3.11 Kurva FrekuensiKurva yang diperoleh dari suatu tabel frekuensi disebut kurva frekuensi,

dan sering kali bentuknya mendekati suatu fungsi tertentu. Pada umumnya kurva frekuensi dibedakan menjadi dua kelompok yaitu: (1) Kurva frekuensi yang simetris, dan (2) Kurva frekuensi yang asimetris.

Di bawah ini disajikan beberapa bentuk kurva yang simetris dan asimetris



Diagram 3.4 Kurva Simetris

f

(a) x (nilai )

f

(b) x (nilai )

Diagram 3. 5 Kurva Asimetris

Gambar 3. 4


Nata Wirawan 51

Soal-soal Latihan

3 - 1 Hasil survei terhadap laba bersih bulanan 80 sampel minimarket di sebuah kota (data hipotetis), adalah sebagai berikut (dalam juta rupiah)

13 23 22 24 15 16 10 1817 35 23 28 17 18 12 2511 22 11 27 14 21 35 3620 17 14 24 15 22 9 3716 16 36 26 18 23 19 1535 12 22 30 19 24 21 2314 15 11 24 20 31 22 1513 14 15 18 22 32 23 1217 25 16 14 10 22 16 168 24 12 26 8 21 19 9

Pertanyaan(a) Buatlah array data tersebut (susunan data dari nilai data terkecil

sampai dengan nilai data terbesar atau sebaliknya).(b) Susunlah tabel frekuensi dari data mentah di atas dengan klasifika-

si 5 - 9, 10 - 14 , 15 - 19 dan seterusnya.(c) Berapa banyak minimarket yang laba bersih bulanannya berkisar

antara 30 hingga 34 juta rupiah?(d) Berapa % minimarket tersebut yang laba bersih bulanannya pada

kisaran 30 hingga 34 juta rupiah?(e) Secara kasar, berapa rata-rata laba bersih mini market (sampel)

tersebut?(f) Buatlah histogram dan polygon dari tabel frekuensi data tersebut(g) Susunlah tabel frekuensi komulatif “kurang dari” dan tabel frekuen-

si “lebih dari” data tersebut, dan buatlah ogivenya.

3 - 2 Upah mingguan dari 80 karyawan lepas PT.Gajah Mada di Denpasar pada Tahun 2010, dikelompokkan sebagai berikut (data hipotetis):

Upah Mingguan(Ribu Rupiah)

Banyak Karyawan (Orang)

250 – 259,9260 – 269,9270 – 279,9280 – 289,9290 – 299,9300 – 309,9310 – 319,9320 – 329,9

2 7 914251283

Total 80



Pertanyaan:(a) Tentukan besarnya nilai batas bawah untuk kelas kedua, ketiga,

dan kelima.(b) Tentukan besarnya nilai batas atas untuk kelas kedua, ketiga, dan

kelima(c) Tentukan nilai tengah kelas ketiga, kelas keempat, dan apa artinya

niali-nilai tersebut?(d) Tentukan nilai tepi bawah kelas ketiga, dan tepi bawah kelas keem-

pat.(e) Tentukan nilai tepi atas kelas ketiga dan tepi atas kelas keempat(f ) Tentukan banyaknya karyawan yang upah mingguannya kurang

dari Rp 270.000,00. (g) Tentukan banyaknya karyawan yang upah mingguannya kurang

dari Rp 310.000,00.(h) Tentukan banyaknya karyawan yang upah mingguannya sama atau

lebih dari Rp 270.000,00. (i) Berapa % jumlah pegawai yang upah mingguannya lebih dari Rp

299.950,00.(j) Tentukanlah kelas intervalnya.(k) Gambarkanlah kurva frekuensinya, dan berikan komentar.(l) Buatlah histogram dan poligon frekuensinya.(m) Buatlah ogive” lebih dari” dan “kurang dari”.

3 - 3 Penelitian tentang besar modal dari 82 usaha butik yang dipilih sebagai sampel di sebuah kota pada Tahun 2010, menunjukkan hasil sebagai berikut:

Besar Modal (Juta Rupiah) Banyak Usaha

20 - 29,930 - 39,940 - 49,950 - 59,960 - 69,970 - 79,980 - 89,990 - 99,9

2374

163497


(a) Buatlah histogram, poligon dan ogive dari tabel frekuensi di atas(b) Berilah sedikit komentar tentang bentuk distribusi di atas.(c) Berapa % jumlah perusahaan yang memiliki modal 30 juta atau

lebih.(d) Berapa unit usaha yang modalnya lebih kecil dari Rp 69,95 juta.(e) Berapa unit usaha yang memiliki modal paling sedikit Rp 30 juta

tetapi kurang dari Rp 50 juta.(f) Berapa unit usaha yang memiliki modal lebih dari Rp 39,95 juta.


Nata Wirawan 53

3 - 4 Di bawah ini disajikan titik tengah sampel penjualan mingguan (dalam juta rupiah) dari 90 salesman sebuah perusahaan di Kota Makassar, (data hipotetis).

Titik Tengah Frekuensi24, 9534, 9544, 9554, 9564, 9574, 95

2615181534

Total 90

(a) Susunlah distribusi frekuensi asalnya.(b) Buatlah histogram, poligon frekuensi dan kurva ogivenya.(c) Gambarlah kurva frekuensinya.(d) Hanya dengan melihat kurva frekuensinya, lakukan penilaian se-

cara kasar terhadap kurva frekuensinya, simetris atau tidak. Jika tidak, menceng kanan atau menceng kiri?

3 - 5 Nilai akhir ujian mata kuliah statistik ekonomi dari 60 mahasiswa Seko-lah Tinggi Ilmu Ekonomi (STIE) di sebuah kota di catat dalam tabel penyertaan sebagai berikut:

73 69 63 74 83 76 95 65 60 9764 76 81 73 92 75 67 72 66 5869 81 77 58 93 73 59 87 76 9477 71 86 71 58 91 69 57 73 8372 85 73 63 58 70 61 76 93 6091 74 86 60 88 66 80 73 82 62

Dengan melihat data mentah tersebut:(a) Tentukanlah nilai tertinggi.(b) Tentukanlah nilai terendah.(c) Carilah range/jangkuannya.(d) Tentukanlah lima nilai tertinggi.(e) Tentukanlah sepuluh nilai terendah.(f) Tentukanlah interval kelasnya, gunakan rumus Sturges.(g) Susunlah tabel frekuesinya.(h) Dengan melihat tabel frekuensi yg disusun, coba jelaskan pola nilai

ujian mata kuliah statistik ekonomi tersebut.



3 - 6 Data di bawah ini, adalah usia 40 peserta kursus dan pelatihan teknisi kompurter pada sebuah lembaga kursus di Denpasar:

16 24 29 22 33 26 26 31 28 22 21 17 28 33 20 20 26 19 24 16 19 27 23 16 28 22 19 18 39 31 25 36 21 35 18 22 34 19 18 17

Berdasarkan data tersebut di atas(a) Susunlah distribusi frekuensi dan distribusi frekuensi relatifnya.(b) Buatlah histogram, polygon dan ogivenya.

3 - 7 Harga per lembar saham 50 perusahaan di Bursa Efek Jakarta pada akhir Tahun 2010 (dalam ribu rupiah) disajikan sebagai berikut (data hipotetis):

1,0 5,1 3,7 6,5 4,1 4,6 4,7 5,5 6,4 5,53,2 5,5 5,8 5,2 2,5 3,5 6,6 4,2 4,7 5,36,2 3,8 5,9 2,4 5,4 5,7 2,5 4,2 7,5 4,43,9 4,4 3,3 5,3 5,5 7,2 5,8 3,6 2,1 4,54,8 2,3 4,7 3,1 5,3 3,3 5,2 3,1 4,3 4,6

(a) Susunlah distribusi frekuensi dan distribusi frekuensi meningkatnya (komulatif) berdasarkan tepi kelas-tepi kelasnya.

(b) Gambarkan histogram, poligon frekuensi dan ogivenya.

3 - 8 Data di bawah ini adalah data (sampel acak) mengenai tingkat hunian kamar (dalam persen) dari 60 unit akomodasi (hotel berbintang, hotel melati dan pondok wisata) di suatu kawasan parawisata pada tahun lalu.

41 51 37 65 42 46 54 56 64 5642 55 68 54 48 45 66 70 63 5362 67 59 45 54 67 72 44 75 7249 64 43 65 55 76 58 66 45 6448 43 71 51 72 73 64 70 65 7249 64 43 65 55 72 58 66 45 64




Nata Wirawan 55

3 - 9 Berikut ini adalah data mengenai harga/tarif kamar (kelas standar) per malam (dalam ratus ribu rupiah) dari 50 unit hotel berbintang di suatu kawasan parawisata.

6,0 6,0 6,0 8,0 10 7,0 6,2 6,2 7,5 8,08,0 5,5 6,8 5,4 4,8 4,5 6,6 7,0 6,3 5,35,0 6,4 4,5 6,5 6,0 7,0 6,2 6,5 4,7 6,47,3 5,1 7,0 4,3 4,8 7,2 7,3 6,4 7,0 6,56,4 4,5 6,4 5,5 7,1 5,8 6,6 4,5 6,4 5,0



3 - 10 Data di bawah ini merupakan hasil survei pengeluaran per wisatawan asing asal China tiap kunjungan ke Bali. Dari 40 orang yang disurvei didapat hasil sebagai berikut (satuan data dalam ratus ribu rupiah).

48 52 30 72 41 66 40 34 45 7956 78 59 50 76 62 61 68 65 6364 67 82 65 69 42 67 70 54 8773 51 58 77 78 81 62 85 74 54




UKURAN

NILAI SENTRAL

4.1 PengantarDalam Bab 3, sudah dipelajari mengenai cara mendeskripsikan data me-

lalui tabel frekuensi, gambar dan grafik. Tujuan utamanya adalah agar data yang disajikan tersebut lebih mudah dapat dipahami dan dimengerti. Akan te-tapi penyajian data seperti itu bagi sebagian orang, seperti pelaku bisnis dan ekonomi, dan pengambil keputusan belumlah cukup. Untuk keperluan anali-sis misalnya, mereka perlu mengetahui lebih jauh. Mereka ingin mengetahui sebuah nilai yang dapat mewakili sekelompok atau serangkaian data statistik yang disebut nilai sentral atau nilai pusat data

Dalam bab ini akan dibahas mengenai ukuran nilai sentral, antara lain: rata-rata hitung, median, dan modus. Selain ukuran nilai sentral utama ter-sebut juga akan dibahas ukuran nilai sentral lainnya yaitu rata-rata ukur dan rata-rata harmonis.

Tujuan bab ini. Setelah mempelajari bab ini, perserta didik (mahasiswa) diharapkan dapat memahami ukuran nilai sentral, mampu menghitung dan memberikan interpretasi terhadap nilai ukuran sentral utama tersebut. Selain itu, mahasiswa diharapkan pula dapat memahami nilai rata-rata ukur dan ra-ta-rata harmonis, serta mampu menghitung dan memberikan interpretasi.

4. Ukuran Nilai Sentral

Nata Wirawan 57

4.2 Batasan dan Macam Nilai SentralNilai sentral atau nilai rata-rata atau juga disebut nilai tengah dari sekum-

pulan data statistik adalah suatu nilai dalam kumpulan atau rangkaian data yang dapat mewakili kumpulan atau rangkaian data tersebut. Nilai rata-rata dari sekumpulan data statistik pada umumnya cenderung berada disekitar titik pusat penyebaran data. Oleh karena itu nilai rata -rata dikenal dengan nama ukuran tendensi pusat (measure of central tendency). Nilai rata-rata juga dikenal dengan nama ukuran nilai pusat (measure of central value), se-bab nilai rata-rata itu umumnya merupakan nilai pertengahan (pusat) dari ni-lai-nilai yang ada. Nilai rata-rata tersebut merupakan cerminan atau gamba-ran secara umum atau nilai yang dianggap mewakili nilai- nilai sekelompok atau serangkaian data.

Dalam statistik, ukuran rata-rata ada beberapa bentuk atau beberapa ma-cam antara lain (1) rata-rata hitung (mean), (2) modus, (3) median, (4) rata-rata ukur, dan (5) rata-rata harmonis. Berkaitan dengan itu, apabila dalam menganalisis data statistik, digunakan istilah nilai tengah/nilai pusat, maka nilai tengah yang dimaksud tersebut harus tegas dan jelas

4.3 Rata-rata HitungRata-rata hitung atau arithmatic mean atau sering disingkat mean saja,

merupakan ukuran nilai sentral yang paling sering digunakan, baik dalam penelitian ilmiah maupun dalam kehidupan sehari-hari. Disadari atau tidak ukuran nilai sentral, mean ini, dalam kehidupan sehari-hari telah umum digunakan sebagai salah satu ukuran. Rata-rata hitung dari sekelompok atau serangkaian data adalah jumlah dari seluruh nilai data dibagi dengan banyak data. Dalam menghitung mean dari sekelompok atau serangkain data, mean dibedakan atas dua yaitu: (1) rata-rata hitung sederhana, dan (2) rata- rata hitung tertimbang.

4.3.1 Rata-rata Hitung Sederhana4.3.1-1 Rata-rata hitung data yang belum dikelompokkanUntuk data mentah yang belum dikelompokkan (ungrouped data) baik itu data berupa sampel mupun data berupa populasi, rata-ratanya masing-masing da-pat dihitung dengan rumus berikut:

■ Rata-rata sampel

= (4.1) (i = 1, 2, 3,...n)

■ Rata-rata populasi

= (4.2)

(i = 1, 2, 3,...N)



x = rata-rata sampel n = ukuran sampel (banyak anggota sampel) m = rata-rata populasi N = ukuran populasi (banyak anggota populasi) Xi = data yang ke-i /pengamatan yang ke-i

Ukuran sampel adalah banyaknya pengamatan atau anggota sampel, dan ukuran populasi adalah banyaknya pengamatan atau anggota populasi.

Contoh 4-1Seorang staf produksi dari sebuah pabrik yang menghasilkan produk daging dalam kaleng, memeriksa sebuah sampel acak 8 kaleng daging sapi untuk diperiksa berat nettonya. Data yang diperoleh (dalam gram) adalah: 251 245 255 253 254 247 252 253Hitunglah rata-rata (hitung) berat sampel tersebut

Penyelesaiann = 8x1 = 251, x2 = 245, x3 = 255, . . . , dan x8 = 253 = . . . ?

Per rumus (4.1) didapat,

= =

251 + 245 + 255 + 253 + 254 + 247 + 252 + 253 = ––––––––––––––––––––––––––––––––––––––––– 8 = 251, 25

Jadi, berat rata-rata sampel produk daging dalam kaleng tersebut adalah 251,25 gram.

Contoh 4-2Lama penerbangan langsung dari kota asal delapan wisdom (wisatawan domestik) asal Jakarta, Bandung, Yogyakarta, Manado, Kupang, Palembang, dan Semarang ke Bali adalah sebagai berikut (dalam menit)

170 160 60 145 105 140 95 Hitunglah rata-rata lama penerbangan dari kota asal langsung ke Bali ke delapan wisdom tersebut.

Penyelesaianx1 = 170, x2 = 160, x3 = 60, x4 = 145, x5 = 105, x6 = 140 dan x7 = 95.n = 7


Nata Wirawan 59

= . . . ?


=

= n

xxxxxxxxi 8765432 +++++++

= 7

9514010514560160170 ++++++

= 7

875 = 125 menit

Jadi, rata-rata lama penerbangan langsung dari kota asal wisdom ke Bali adalah 125 menit.

Contoh 4-3Jumlah seluruh penduduk Bali, dirinci per kabupaten/kota pada Tahun 2010 yang merupakan hasil sensus penduduk 2010 adalah sebagai berikut:

Tabel 4.1 Jumlah Penduduk Per Kabupaten/Kota di Bali Pada Tahun 2010

Kabupaten/Kota Jumlah penduduk(Jiwa)

JembranaTabananBadungGianyarKlungkungBangliKarangasemBulelengDenpasar

261618420370543681470380170559215404396892624079788445

Sumber: BPS- Jakarta, 2011.

Berdasarkan data yang tercantum pada Tabel 4.1, hitunglah rata-rata (hitung) penduduk bagi sembilan kabupaten/kota tersebut.

PenyelesaianN = 9 (ukuran populasi) x1 = 261618, x2 = 420370, x3 = 543681, . . . , dan x9 = 788445



Per rumus (4.2) didapat: ∑xi m = ––––– N

x1 + x2 + x3 + x4 + x5 + x6 + x7 + x8 + x9= –––––––––––––––––––––––––––––––– N

261618 + 420370 + 543681 + 470380 + 170559 + 215404 + 396892 + 624079 + 788445= 9

3891428= –––––––––– 9= 432.380,888 ≈ 432.381(dibulatkan)

Jadi, rata-rata (hitung) penduduk per Kabupaten/kota di Bali pada Tahun 2010 adalah 432.381 jiwa.

Contoh 4-4Cadangan devisa Indonesia periode 2006 – 2010, seperti yang tercantum dalam Tabel 4.2.

Tabel 4.2 Cadangan Devisa Indonesia Periode 2006-2010 (Dalam Juta US $)

Tahun Cadangan Devisa20062007200820092010

42.58656.92051.63966.10596.207

Sumber: BPS- Jakarta, 2011

Berdasarkan data yang tercantum pada Tabel 4.2, hitunglah rata-rata (hitung) cadangan devisa per tahun, selama periode tersebut.

Penyelesiann = 5 x1 = 42 586, x2 = 56 920, x3 = 51639, x4 = 66105 dan x5 = 96207


=


Nata Wirawan 61

x1 + x2 + x3 + x4 + x5 = 5

313457 = ––––––––––– 5 = 62.691,4

Jadi, rata-rata (hitung) cadangan devisa Indonesia per tahun Indonesia perio-de 2006 hingga 2010 adalah 62691,4 juta US dolar

Contoh 4 – 5 Jumlah wisman (wisatawan mancanegara) yang datang langsung ke Bali periode Januari hingga Juni 2013, tercantum dalam Tabel 4.3.

Tabel 4.3 Jumlah Wisman yang Datang Langsung ke Bali Januari- Juli 2013

Bulan Jumlah Wisman (Orang) JanuariFebruariMaretAprilMeiJuni

232.935241.868252.210242.369247.972275.667

Sumber : Dinas Pariwisata Provinsi Bali, 2013. Berdasarkan data yang tercantum pada Tabel 4.3, hitunglah rata-rata (hitung) jumlah wisman per bulan yang langsung datang ke Bali.

Penyelesiann = 6 x1 = 232.935, x2 = 241.868, x3 = 252.210, x4 = 242.369, x5 = 247.972, dan x6 = 275.667


=

= 6

65432 xxxxxxi +++++

=

6275.667247.972242.369252.210241.868232.935 +++++



= 6

021.493.1 = 248.836,833 = 248.837 orang (dibulatkan)

Jadi, rata-rata jumlah wisman yang langsung datang ke Bali periode Januari-Juni 2013 adalah 248.837 orang per bulan.

Menghitung rata-rata hitung per rumus (4.1) untuk sampel dan rumus (4.2) untuk populasi, hanya cocok bila jumlah datanya kecil atau tidak terlalu banyak. Akan tetapi bila jumlah datanya relatif banyak, menghitung dengan rata-rata hitung dengan cara itu, kurang praktis. Untuk menghitung rata-rata hitung dari suatu data yang jumlahnya banyak, misalnya data yang jumlahnya 100 atau lebih, akan lebih praktis bila data tersebut dikelompokkan terlebih dahulu atau disusun terlebih dahulu tabel frekuensinya, setelah itu baru dihi-tung rata- ratanya dengan menggunakan rumus (4.3) untuk sampel dan ru-mus (4.4) untuk populasi, perihal ini akan diuraikan dan dijelaskan berikut ini.

Menghitung rata-rata hitung (mean) serangkaian data sampel dengan rumus (4.1) hasilnya mungkin berbeda (tidak persis sama) dengan hasil perhitung an rumus (4.3). Kenapa? Oleh karena rata- rata nilai data yang ter-dapat pada kelas-kelas suatu tabel frekuensi diwakili oleh nilai tengah masin-g-masing kelas, dan hal ini tidak sepenuhnya benar. Oleh karena itu rata-rata hasil perhitungan per rumus (4.3) disebut juga rata-rata dugaan dari rata- rata hasil perhitungan rumus (4.1), demikian juga rata-rata hasil perhitungan per rumus (4.4) merupakan rata-rata dugaan dari rata-rata hasil perhitungan ru-mus (4.2). Dengan kata lain, bahwa rata-rata hitung data yang dikelompokkan hanya sebagai dugaan bagi rata-rata hitung data yang belum dikelompokkan (data mentah).

4.3.2-2 Rata-rata hitung data yang telah dikelompokkanSering kali sejumlah data telah dikelompokkan dan ditampilkan dalam

bentuk tabel/distribusi frekuensi. Bila datanya telah dikelompokkan dalam bentuk tabel frekuensi, rata rata hitung dari sebuah sampel dengan ukuran tertentu (n), maupun rata-rata hitung sebuah populasi dengan ukuran tertentu (N), dapat dihitung dengan dua cara yaitu: (1) cara panjang, dan (2) cara pendek, yang akan dibahas berikut ini

■ Cara Panjang Rata-rata hitung dari data yang telah dikerlompokkan dengan cara panjang, dapat dihitung dengan rumus sebagai berikut:


= (4.3)

(i = 1, 2, 3,..., n)


Nata Wirawan 63


m = (4.4)

(i = 1, 2, 3,..., N)

= rata-rata hitung sampel n = ukuran (banyak anggota) sampel m = rata-rata hitung populasi N = ukuran (banyak anggota) populasi mi = nilai tengah kelas yang ke-i fi = frekuensi kelas yang ke-i

Contoh 4 - 6Sampel acak 50 orang karyawan lepas perusahaan manufaktur yang berloka-si di Surabaya, setelah diteliti mengenai besar pengeluaran per bulannya, diperoleh data sebagai berikut:

Tabel 4.4 Distribusi Pengeluaran per Bulan 50 Orang Kar-yawan Lepas Perusahaan Manufaktur di Surabaya.

Pengeluaran Per Bulan(Ribu Rupiah)

Banyak Karyawan(Orang)

500 - 599600 - 699700 - 799800 - 899900 - 999

1000 -1099

4 6121510 3


Hitunglah rata-rata (hitung) pengeluaran per bulan bagi 50 orang karyawan lepas perusahaan manufaktur tersebut.Penyelesaian

Tabel 4.4a Cara Menghitung Rata-rata Pengeluaran per Bulan 50 Orang Karyawan Lepas Perusahaan Manufaktur di Surabaya.

Pengeluaranper Bulan

(Ribu Rupiah)

Banyak Karyawan

(fi)

Nilai Tengah Kelas(mi)

fi mi

500 - 599600 - 699700 - 799800 - 899900 - 999

1000 - 1099

461215103

549,5649,5749,5849,5949,51049,5

2.1983.8978.994

12.742,59.495

3.148,5Total 50 40.475



Dari Tabel 4.4a dapat diketahui n = 50, dan ∑fimi = 40.475

Per rumus (4.3) didapat, ∑fimi = –––––– n 40.475 = –––––––– 50 = 809,5

Jadi, rata-rata (hitung) pengeluaran per orang tiap bulan karyawan lepas perusahaan manufaktur tersebut adalah 809,5 ribu rupiah (= Rp 809.500, 00)

Contoh 4 – 7 Hasil penelitian tahun lalu, tentang lama menginap sampel acak 80 orang wisman yang berkunjung ke Bali, seperti tercantum dalam Tabel 4.4.

Tabel 4.5 Distribusi Lama Menginap 80 Orang Wisman yang Berkunjung Ke Bali

Lama Menginap(Hari)

Banyak Wisman(Orang)

1 - 1,992 – 2,993 – 3,994 - 4,995 – 5,99

4 6352510

Total 80 Sumber : Data hipotetis

Hitunglah rata-rata lama menginap 80 orang wisman tersebut.

Penyelesaian

Tabel 4.5a Perhitungan Rata - rata Lama menginap 80 Orang WismanLama Menginap

(Hari) Banyak Wisman

(fi)Nilai Tengah Kelas

(mi) fimi1 – 1,992 – 2,993 – 3,994 – 4,99 5 – 5,99

46121510

1,4952,4953,4954,4955,495

5,9814,9741,94

67,42554,945

Total 80 185,26


Nata Wirawan 65

Dari Tabel 4.5a dapat diketahui bahwa n = 80, dan = 54,945


=

= 8026,185

= 2,315 = 2,3 (dibulatkan)

Jadi, rata-rata lama menginap 80 orang wisman (sampel) yang berkunjung ke Bali adalah 2,3 malam.

Contoh 4 - 8Berdasarkan data yang disajikan pada Tabel 3.8, akan dihitung rata-rata (hitung) penghasilan per bulan 70 usaha rental kendaraan roda empat di Kabupaten Badung.

PenyelesaianTabel 4.6 Cara Menghitung Rata-rata Hitung Penghasilan per Bulan 70

Usaha Rental Kendaraan Roda Empat di Kabupaten BadungPenghasilan Per Bulan

(Juta Rupiah)Banyak Usaha

(fi)Nilai Tengah

Kelas (mi )

fi mi

20 - 2930 - 3940 - 4950 - 5960 - 6970 - 7980 - 89

1471325155

24,534,544,554,564,574,584,5

24,5138,0311,5708,5

1612,51117,5422,5

Total 70 4335Sumber: Tabel 3.8

Dari Tabel 4.6 diketahui ∑fi = n = 70, dan ∑fimi = 4335Per rumus (4.3) didapat,

∑fimi = –––––– n

4335 = –––––– 70 = 61,93



Jadi, rata-rata (hitung) pengasilan per bulan 70 usaha rental kendaraan roda empat tersebut adalah Rp 61,93 juta rupiah.

Menghitung rata-rata hitung dengan cara panjang, akan membosankan terutama bila nilai tengah kelasnya (mi) berupa bilangan yang besar atau bilangan dengan beberapa angka dibelakang koma. Untuk menyederhanakan perhitungan, dapat digunakan cara lain, yaitu cara pendek seperti yang akan di bahas berikut ini.

■ Cara pendek Menghitung rata-rata hitung dari data yang telah dikelompokkan (tabel

frekuensi), dengan cara ini, adalah sebagai berikut: terlebih dahulu sekala mi diubah kedalam sekala di. Nilai di ini merupakan bilangan bulat kecil, misalnya ; ..., - 4, - 3, - 2, - 1, 0, + 1, + 2, + 3, + 4,... Penetapan harga (nilai rata-rata anggapan atau assumed mean), yaitu nilai tengah kelas yang sekala di nya nol, hendaknya diusahakan sedemikian rupa, sehingga hasil kali fidi merupakan bilangan yang sederhana. Pada umumnya, nilai di sama dengan nol (di = 0), ditentukan pada kelas interval yang memiliki frekuensi (absolut) terbesar. Pilihan sedemikian itu dapat menyederhanakan perhitungan. Rata-rata hitung sekelompok data yang telah disusun dalam bentuk distribusi (tabel) frekuensi, dengan cara pendek (singkat) dapat dihitung dengan rumus berikut.


∑fidi –––––– = xo + x c (4.5) n


∑fidi –––––– m = xo + x c (4.6)

N

= rata-rata hitung sampel n = ukuran sampel (banyaknya anggota sampel) m = rata-rata hitung populasi N = ukuran populasi (banyaknya anggota populasi) xo = rata-rata anggapan (Asummed mean) fi = frekuensi kelas yang ke-i di = deviasi kelas yang ke-i, dalam satuan interval kelas c = interval kelas

Agar lebih jelas, tahapan perhitungan rata-rata (hitung) sekelompok data yang telah disajikan dalam bentuk tabel frekuensi, dengan cara pendek (cara koding) adalah sebagai berikut:


Nata Wirawan 67

1 Hitung nilai tengah masing-masing kelas (mi)2 Pilih salah satu nilai tengah (nilai tengah kelas yang frekuensi absolutnya

terbesar) sebagai rata-rata anggapan (xo). Pada nilai tengah ini diberi tan-da deviasi dalam satuan interval kelas, di = 0

3 Pada nilai-nilai tengah yang lebih kecil dari xo, deviasinya negatif, sedang-kan pada nilai-nilai tengah yang lebih besar dari xo, deviasinya positif.

4 Masing-masing deviasi di dikalikan dengan frekuensinya fi, dan dijumlahkan5 Kemudian dibagi dengan jumlah frekuensi (= n), hasil pembagian ini dika-

likan interval kelas (c) 6 Akhirnya hasil pada tahap 5, dijumlahkan dengan xo

Contoh 4 - 9Berdasarkan data yang tercantum pada Tabel 4.4 (Contoh 4-6), hitunglah ra-ta-rata (hitung) pengeluaran per bulan bagi 50 orang karyawan lepas peru-sahaan manufaktur di Kota Surabaya tersebut, dengan cara pendek.

Penyelesaian

Tabel 4.7 Cara Menghitung Rata-rata Pengeluaran per Bulan 50 Ka-ryawan Lepas Perusahaan Manufaktur di Kota Surabaya.

PengeluaranPer Bulan

(Ribu Rupiah)

Banyak Karyawan

(fi)

Nilai TengahKelas (mi)

Sekala d(di )

fi di

500 - 599600 - 699700 - 799800 - 899900 - 999

1000 - 1099

46

1215103

549,5649,5749,5

849,5 = x0949,5

1049,5

-3-2-10

+1+2

-12-12-12

0+10+6

Total 50 -20Sumber: Tabel 4.3

Dari Tabel 4.7 dapat diketahui n = 50, ∑fidi = - 20, c = 100 dan xo = 849, 5

Per rumus (4.5) di dapat,

x = xo + x c

= 849,5 + −

2050

100x

= 849,5 - 40 = 809,5

Ternyata hasil yang diperoleh dengan metode pendek (rumus 4.5) yaitu = 809,5 sama dengan nilai yang diperoleh bila dihitung dengan metode panjang (rumus 4.3 )



Contoh 4 - 10 Nilai kredit macet (dalam juta rupiah) 75 nasabah dari 200 nasabah yang bermasalah dari sebuah bank kecil di Kota Jakarta disajikan dalam Tabel 4.7.

Tabel 4.8 Nilai Kredit Macet 75 Nasabah Sebuah Bank di Kota Jakarta

Nilai Kredit Macet(Juta Rupiah)

Banyak Nasabah(f)

9 - 13,9914 - 18,9919 - 24,9924 - 29,9929 - 33,9934 - 38,9939 - 43,99

257

1326157


Berdasarakan data pada Tabel 4.8, hitunglah rata-rata (hitung) kredit macet tersebut.

Penyelesaian

Tabel 4.8a Cara Menghitung Rata-rata (Hitung) Nilai Kredit Macet 75 Nasabah Bank Kecil yang Dimaksud.

Nilai Kredit Macet

(Juta Rp)

Banyak Nasabah

(fi )Nilai Tengah

(mi )Sekala d

(di)fi di

9 - 13,9914 - 18,9919 - 24,9924 - 29,9929 - 33,9934 - 38,9939 - 43,99

257

1326157

11,49516, 49521,49526,49531,495=X036,49541,495

-4-3-2-10

+1+2

- 8-15-14-13

0+15+14

Total 75 -21

Dari Tabel 4.8a dapat diketahui n = 75, c = 10, ∑fidi = - 21, dan xo = 31,495Per rumus (4.5) didapat,

= xo + x c

= 31,495 + = 31,495 - 1,4

= 30,095Jadi, rata-rata kredit macet dari 75 nasabah bank sebesar Rp 30,095 juta.


Nata Wirawan 69

4.3.2 Rata-rata Hitung TertimbangMenghitung rata-rata hitung dengan cara sederhana, seperti yang dibahas

dimuka pemberian faktor penimbang untuk masing-masing data adalah sama yaitu satu. Sedangkan bagian ini, akan dibahas rata-rata hitung tertimbang, yaitu rata-rata hitung dengan memperhatikan arti penting yang dimiliki oleh setiap barang. Barang yang lebih penting diberikan faktor penimbang yang le-bih besar dibandingkan barang lainnya yang kurang penting. Misalnya, antara beras dan garam, maka beras memiliki arti penting yang lebih besar bagi kita dibandingkan dengan garam. Oleh karena itu beras diberikan faktor penimbang (w) yang lebih besar dibandingkan faktor penimbang yang diberikan kepada garam. Rata-rata hitung tertimbang dari sekelompok/serangkaian data, baik yang belum dikelompokkan maupun yang sudah dikelompokkan (dalam ben-tuk tabel frekuensi), dapat dihitung dengan rumus 4.7.

xw = ∑xiwi–––––∑wi

(4.7)

xw = rata-rata hitung tertimbang sampelxi = data/pengamatan yang ke-iwi = timbangan untuk data/pengamatan yang ke-i

Cara pemberian faktor penimbang terhadap suatu barang ada dua (2) cara, yaitu: (1) secara subyektif, dan (2) secara obyektif.

4.3.2-1 Rata-rata hitung Tertimbang Secara SubyektifMenurut cara ini, pemberian faktor penimbang terhadap suatu barang di-

dasarkan pada pandangan masing-masing orang. Sehingga untuk barang yang sama, bagi orang yang berbeda, pemberian faktor penimbangnya dapat berbeda.Terkesan dari namanya, jadi sifatnya subyektif

Contoh 4 - 11Harga eceran per kg 4 jenis barang kebutuhan pokok di Kabupaten Badung pada bulan Desember 2010, tercantum pada Tabel 4.9.

Tabel 4.9 Harga Eceran 4 Jenis Barang Kebutuhan Pokok di Kabupaten Badung, 2010

Jenis barang Harga Eceran(Rp/ kg)

BerasGula pasirDaging Ayam RasMinyak goreng

7.500,0011.313,0026.458,0012.398,69

Sumber: BPS – Bali, 2010

Hitunglah rata-rata (hitung) tertimbang harga per kg, untuk 4 barang kebu-tuhan pokok tersebut.



PenyelesaianSeperti telah diuraikan sebelumnya, besarnya bobot/timbangan untuk ma-sing-masing barang, nilainya boleh ditentukan sembarang menurut pandang-an masing-masing orang. Misalkan nilai timbangan yang diberikan untuk ma-sing-masing barang sebagai berikut:

Tabel 4.9a Cara Menghitung Rata-rata Hitung (Tertimbang) Harga per Kg 4 Jenis Barang Kebutuhan Pokok di Kabupaten Badung Pada Bulan Desember, 2010

Jenis barang Harga (Rp/kg)(xi)

Timbangan(wi)

xi wi

BerasGula pasirDaging Ayam RasMinyak goreng

7.500,0011.313,0026.458,0012.398,69

20312

150.000,0033.939,0026.458,0024.797,38

Total 26 235.194,00

Dari Tabel 4.9a dapat diketahui ∑wi = 26, dan ∑xiwi = 235.194,00



235.194,00 = –––––––––– = 9.045,92

26Jadi, rata-rata hitung (tertimbang) harga per kg untuk 4 barang kebutuhan pokok tersebut adalah Rp 9.045,92. Harga ini, mendekati harga per kg beras yaitu barang yang paling penting.

4.3.2-2 Rata-rata hitung Tertimbang Secara ObyektifMenurut cara ini, bobot timbangan yang diberikan kepada suatu barang

tergantung dari banyak sedikitnya barang yang dibutuhkan (dikonsumsi, diim-por) atau diproduksi, diekspor. Barang yang dikonsumsi atau diproduksi lebih banyak, diberikan bobot timbangan lebih besar, dibanding dengan barang yang dikonsumsi atau diproduksi dalam jumlah yang lebih sedikit. Jadi, arti penting suatu barang dilihat dari banyak-sedikitnya (kuantitas) barang yang dikonsumsi atau diproduksi.

Contoh 4 - 12Seorang konsumen pada bulan Desember 2010, membeli 4 jenis barang kebutuhan pokok di Kabupaten Badung, kuantitas dan harga per kg masing-masing barang seperti yang tercantum (data hipotetis) pada Tabel 4.11.


Nata Wirawan 71

Tabel 4.10 Kuantitas dan Harga Per Kg 4 Jenis Barang yang Dibeli Seorang Konsumen di Kabupaten Badung, 2010

Jenis barang Harga/kg(Rupiah)

Kuantitas(kg)

BerasGula pasirTelor Ayam RasMinyak goreng

7.500,0011.313,0014.500,0011.500,00

50413

Hitunglah rata-rata hitung (tertimbang) harga per kg dari 4 jenis barang kebutuhan pokok tersebut

Penyelesaian

Tabel 4.10a Cara Menghitung Rata-rata Hitung Tertimbang Harga per Kg 4 Jenis Barang Kebutuhan Pokok

Jenis Barang Harga/kg(xi)

Timbangan(wi)

xi .wi

BerasGula PasirTelor Ayam RasMinyak goreng

7.500,0011.313,0014.500,0011.500,00

50413

375.000,0045.252,0014.500,0034.500,00

Total 58 469.252,00

Dari Tabel 4.10a, dapat diketahui ∑wi = 58 dan ∑xiwi = 469.252,00



469.252,00 = –––––––––––– 58

= 8.090,55

Jadi, rata-rata hitung tertimbang harga per kg untuk 4 jenis barang kebutuhan pokok tersebut adalah Rp 8.090,55. Harga ini, paling dekat ke harga per kg beras. Kenapa? Oleh karena beras yang paling banyak dikonsumsi (50 kg).

Contoh 4-13Nilai ujian dari tujuh mata kuliah seorang mahasiswa FEB Unud yang ditempuh pada semester ganjil 2012/2013, beserta bobot (timbangan) masing-masing mata kuliah dalam SKS, tercantum pada Tabel 4.11.



Tabel 4.11 Nilai Tujuh Mata Kuliah Berserta Bobot Mata Kuliah Masing-masing

Mata Kuliah Nilai(xi )

Timbangan(wi )

1 Pancasila2 Bahasa Inggris3 Matematika Ekonomi4 Pengantar Bisnis5 Pengantar Akuntansi6 Statistik Ekonomi7 Pengantar Ek. Mikro

90759080809070

2333423

Sumber: FEB Unud, 2013.

Berdasarkan data yang terdapat pada Tabel 4.11, hitunglah rata-rata hitung tertimbang nilai semester ganjil 2012/2013 bagi mahasiswa tersebut.

Penyelesaian

Tabel 4.11a Cara Menghitung Rata-rata Tertimbang Nilai Se-mester Ganjil Tahun 2010/2011 Mahasiswa FE Unud tersebut

Mata Kuliah Nilai(xi )

Timbangan(wi )

xi wi

1 Pancasila2 Bahasa Inggris3 Matematika Ekonomi4 Pengantar Bisnis5 Pengantar Akuntansi6 Statistik Ekonomi7 Pengantar.Ek. Mikro

90759080809070

2333423

180225270240320180210

Total 20 1.625

Dari Tabel 4.11a dapat diketahui ∑wi = 20, dan ∑xiwi = 1.625



1625 = –––––– 20 = 81,25

Jadi, rata-rata hitung tertimbang nilai semester ganjil 2010/2011 mahasiswa FEB Unud tersebut 81,25


Nata Wirawan 73

Contoh Soal 4-14 Sebuah hotel bintang 5 memiliki 300 kamar, yang terbagi atas 100 Standard room, 80 superior room, 60 deluxe room, 40 Studio Room dan 20 suite room. Tarif per malam untuk masing –masing kamar seperti berikut.

Type Kamar Harga Kamar/malam(Ribu Rupiah)

Standar room 600,00Superior room 800,00Deluxe room 1.200,00Studio room 2.000,00Suite room 2.500,00

Bila semua kamar itu terjual, berapa rata-rata harga jual kamar per malam yang dibayar oleh para tamu?

Penyelesaian

Tabel 4- 12 Perhitungan Rata-rata Harga Jual kamar

Type Kamar Harga Kamar(xi)

Kuantitas Kamar(wi)

xiwi

Standar room 600,00 100 60.000,00Superior room 800,00 80 64.000,00Deluxe room 1.200,00 60 72.000,00Studio room 2.000,00 40 80.000,00Suite room 2.500,00 20 50.000,00Total 300 326.000,00

Dari Tabel 4.12, dapat diketahui = 300 dan = 326.000


=

= 300

000.326

= 1.086,666

Jadi, rata-rata harga jual kamar per malam adalah 1.086,666 ribu rupiah atau Rp 1.086.666,00

■ Rata-rata Hitung Tertimbang Data Berkelompok.Untuk data yang telah dikelompokkan (dalam bentuk tabel frekuensi) fak-

tor penimbangnya adalah frekuensi absolut masing-masing kelas (fi = wi),



maka rumus (4.8), merupakan bentuk lain dari rumus (4.3) dapat digunakan untuk menghitungnya.

xw = (4.8)

Contoh 4 - 15Berdasarkan data pada Tabel 4.4 (Contoh 4-6) akan dihitung rata-rata hitung tertimbangnya, sebagai berikut:

Tabel 4.13 Cara Menghitung Rata-rata Hitung Tertimbang Pe-nge luaran per Bulan 50 Karyawan Lepas Perusa-haan Manufaktur di Surabaya

Pengeluaran per Bulan (Ribu rupiah) fi = wi mi mi wi

500 - 599600 - 699700 - 799800 - 899900 - 999

1000 - 1099

46

1215103

549,5649,5749,5849,5949,51049,5

2.198 3.897 8.994

12.742,5 9.495

3.48,5Total 50 40.475

Dari Tabel 4.13 dapat diketahui ∑wi = 50, dan ∑miwi = 40.475


xw =

40475 = –––––– 50 = 809, 5

4.4 Rata-rata Hitung GabunganBila terdapat k buah sampel dengan ukuran masing-masing ni (i = 1, 2,

3, ..., k) serta rata-rata hitung masing-masing sampel adalah xi (i = 1, 2, 3, ...k), maka rata-rata hitung gabungan k buah sampel tersebut, dapat dihitung dengan rumus:

x = ∑nix i

–––––––∑ni

(4.9)


Nata Wirawan 75

x = rata-rata hitung sampelni = ukuran sampel yang ke-ixi = rata-rata hitung sampel yang ke-i

Dengan memperhatikan rumus 4.9, rata-rata hitung gabungan sedemikian ini, merupakan rata-rata hitung tertimbang. Sebagai faktor penimbangnya (wi) adalah ukuran masing masing sampel (ni )

Contoh 4 - 16Hasil penelitian terhadap 70 desa sampel mengenai hasil produksi palawija per hektar dalam satuan kwintal di 6 daerah penelitian, disajikan pada Tabel 4.14.

Tabel 4.14 Hasil Produksi Rata-rata Palawija per Hektar dalam Kwintal di 6 Daerah Penelitian, Tahun 2010

DaerahPenelitian

Banyak DesaSampel

Hasil ProduksiRata-rata (kw/Ha)

123456

15102058

12

80,2475,0142,4365,4384,3691,43

Total 70

Berdasarkan data yang tercantum dalam Tabel 4.14, hitunglah rata-rata (hitung) hasil produksi palawija per hektar di daerah tersebut.

Penyelesaian

Tabel 4.14a Cara Menghitung Rata-rata Hitung Hasil Produksi Pa-lawija per Hektar di 6 Daerah Penelitian.

DaerahPenelitian

Banyak Desa(ni )

Hasil Produksi Rata-rata (xi ) ni

123456

15102058

12

80,2475,0142,4365,5284,3691,43

1203,60750,10848,60327,70674,88

1097,16Total 70 4902,04

Dari Tabel 4.17 dapat diketahui ∑ni = 80 dan ∑nix i = 4902,04Maka per rumus (4.9) didapat,



xi = ∑nix i

–––––––∑ni

4902,04 = –––––––

= 70,03

70

Jadi, rata-rata (hitung) hasil produksi palawija per hektar di 70 desa sampel adalah 70, 03 kwintal

Contoh 4 – 17 Data di bawah ini adalah data hasil survei tentang lama menginap para wisatawan berdasarkan type akomodasinya di suatu kawasan wisata. Data didapat dari 60 unit akomodasi pariwista (25 unit hotel berbintang, 20 unit hotel melati dan 15 unit pondok wisata) yang diambil sebagai sampel acak.

Tabel 4.15 Rata-rata Lama menginap Wisatawan BerdasarkanType

Akomodasinya. Type Akomodasi Banyak Sampel

(unit)Rata-rata Lama Menginap (hari)

Hotel BerbintangHotel Melati

Pondok Wisata

252015

3,242,723,37

Total 60

Berdasarkan data yang tercantum dalam Tabel 4.16, hitunglah rata-rata lama menginap para wisatawan tersebut.

Penyelesaian

Tabel 4.15a Cara Menghitung Rata-rata Lama Menginap

Type Akomodasi Banyak Unit Sampel (ni)

Rata-rata Lama

Menginap ( ) ni.


Pondok Wisata

252015

3,242,752,40

48,65536

Total 60 139,6

Dari Tabel 4.15a dapat diketahui = 60 dan = 139,6


=


Nata Wirawan 77

= 606,139 = 2,32

Jadi, rata-rata lama menginap para wisatawan pada masing-masing akomodasi adalah 2,38 malam.

4.5 MedianMedian dari sekelompok/serangkaian data adalah nilai yang letaknya te-

pat di tengah-tengah bila banyaknya data ganjil, atau rata-rata dari dua nilai yang berada di tengah bila banyaknya data genap, setelah data itu diurut dari yang terkecil sampai terbesar atau sebaliknya diurut dari yang terbesar sampai yang terkecil.

Dengan kata lain, bahwa median tersebut membagi serangkaian data (penga matan) atau suatu distribusi menjadi dua bagian yang sama, yaitu 50% dari kesuluruhan data (pengamatan) nilainya terletak di bawah (nilai) median, dan 50% lagi nilainya lebih besar dari (nilai) median. Untuk serangkaian data yang memuat nilai ekstrem yaitu ada data dengan nilai ekstrem besar atau ada data dengan nilai ekstrem kecil, maka median lebih mewakili dibandingkan dengan ukuran nilai sentral lainnya.

Ukuran nilai sentral ini, yaitu median, juga disebut nilai posisi tengah atau nilai rata-rata pertengahan (positional average). Berikut ini, akan dipelajari cara menghitung median suatu data yang belum dikelompokkan dan data yang telah dikelompokkan.

4.5.1 Median data yang belum dikelompokkan Tahapan perhitungan sebagai berikut :

(1) Susunlah data tersebut dari yang nilai terkecil sampai yang nilai terbesar atau sebaliknya.

(2) Tentukanlah letak mediannya (LMd )• Bila jumlah data ganjil (n ganjil) n + 1 LMd = ––––– 2• Bila jumlah data genap (n genap)

n n + 2 LMd antara data yang ke –– dan ––––– 2 2

(3) Menghitung nilai median, Md• Bila jumlah datanya ganjil (n ganjil)

Md = nilai data yang ke

• Bila jumlah datanya genap (n genap)

Md = nilai data yang ke dibagi dua



Contoh 4 - 18Sebuah sampel acak yang terdiri dari gaji bulanan (juta rupiah) 5 (lima) karyawan tetap sebuah perusahaan yang bergerak di bidang perbankan disajikan sebagai berikut: 3 9 2 5 4Tentukanlah mediannya

Penyelesaian(1) Data tersebut disusun terlebih dahulu (dari nilai yang terkecil sampai ter-

besar atau sebaliknya) sebagai berikut: x1 x2 x3 x4 x5 2 3 4 5 9

(2) Letak median, untuk n = 5 (n ganjil)

LMd = = = 3

Letak mediannya pada data urutan ketiga

(3) Nilai mediannya Nilai mediannya sama dengan nilai data urutan ketiga (x3= 4) Jadi, Md = 4

Jadi, median dari gaji bulanan kelima karyawan tersebut adalah Rp 4 juta.

Contoh 4 - 19Sepuluh deposan sebuah bank umum diambil sebagai sampel acak. Setelah diperiksa nilai depositonya (dalam juta rupiah), diperoleh data sebagai berikut:

9 6 2 25 7 3 12 10 8 11Hitunglah mediannya

Penyelesaian

(1) Urutan data dari nilai terkecil sampai nilai terbesarx1 x2 x3 x4 x5 x6 x7 x8 x9 x102 3 6 7 8 9 10 11 12 25

(2) Letak Median, untuk n = 10 (genap) LMd antara data yang ke

dan

yaitu antara data urutan yang

ke-5 dan ke-6

(3) Nilai Mediannya Md = nilai data urutan ke-5 ditambah ke-6 dibagi 2

= nilai data = = 8, 5

Jadi, Median nilai deposito sepuluh deposan tersebut adalah Rp 8,5 juta.


Nata Wirawan 79

Contoh 4 - 20Seperti yang diwartakan oleh surat kabar Media Indonesia (24 Juli 2015, h.13), suku bunga kredit per tahun lima negara Asia (dalam %) yaitu Cina, Singapura, Malaysia, Hongkong dan Korea Selatan sebagai berikut.

4,85; 5,35; 4,61; 5 dan 3,56

Hitunglah mediannya

Penyelesaian(1) Urutan data dari nilai terkecil sampai nilai terbesar

3,56 4,61 4,85 5 5,35

(2) Letak median, untuk n = 5 (n = ganjil)

LMd = = = 3 Letak mediannya pada urutan data yang ketiga

(3) Nilai median Nilai mediannya sama dengan nilai data dengan urutan yang ketiga (nilai

) tersebut yaitu Md = 4,85.

Jadi, median dari suku bunga kredit kelima negara adalah 4,85 persen per tahun.

Contoh 4 – 21 Seperti yang diwartakan oleh Majalah The Politic, 10 negara yang memiliki cadangan devisa terbesar di awal 2015, tercantum dalam tabel berikut.

No. Nama Negara Nilai Cadangan Devisa(miliar USD)

1 Cina 3.840,00 2 Jepang 1.190,00 3 Arab Saudi 718,924 Swiss 498,965 Taiwan 417,836 Brasil 369,817 Korea Selatan 362,378 Rusia 339,379 Hongkong 332,50

10 India 312,32 Sumber : The Politic, Ed.16/Th IV/26 Juni-09 Juli 2015. h.21.



Berdasarkan data tersebut, hitunglah mediannya.

Penyelesaian

(1) Datanya telah diurut dari yang terbesar sampai yang terkecil (terbesar adalah 3,84 triliun USD dan terkecil adalah 0,312 triliun USD).

(2) Letak mediannya , n = 10 (ganjil)

LMd antara data urutan ke 2n

= 210 = 5 dan

22+n = 6

212

=

(3) Nilai median

Nilai mediannya = nilai data urutan ke2

)65( + = 2

)81,36983,417( + = 393,82

Jadi, median dari 10 cadangan devisa terbesar 10 negara di dunia adalah 393,82 miliar USD.

4.5.2 Median data yang telah dikelompokkanBila datanya telah dikelompokkan atau telah disusun dalam distribusi

frekuensi atau tabel frekuensi maka median sekelompok data tersebut dapat dihitung melalui tahapan berikut ini.

(1) Menentukan letak median (LMd )Letak median kelompok data tersebut ditentukan dengan rumus:

n LMd = ––– (4.10) 2

(2) Menghitung nilai median (Md) Nilai median kelompok data tersebut dihitung dengan rumus:

Md = L + c ( )= (4.11)

Md = medianL = tepi bawah kelas dari kelas yang mengandung medianJ = selisih antara letak median (LMd) dengan frekuensi komulatif

pada kelas sebelum kelas terdapatnya medianfm = frekuensi (absolut) dari kelas terdapatnya median n = banyaknya data atau pengamatan/total frekuensifc = frekuensi komulatif pada kelas sebelum kelas medianc = kelas interval


Nata Wirawan 81

Contoh 4 - 22Pada Tabel 4.16 disajikan sebuah sampel acak berupa laba bersih yang diraup oleh 60 rumah kecantikan SPA di Kota Denpasar

Tabel 4.16 Laba Bersih dari 60 Rumah Kecantik-an SPA di Kota Denpasar

Laba Bersih(Juta Rupiah)

Banyak SPA (unit)

5 - 910 - 1415 - 1920 - 2425 - 2930 - 34

47132286


Berdasarkan data pada Tabel 4.18, hitunglah mediannya dan berikan inter-pretasi

Penyelesaian

Tabel 4.16a Cara Menghitung Median Laba Bersih per Bulan 60 Rumah Kecantikan SPA di Kota Denpasar


BanyakSPA(f)

Tepi Kelas fc

5 - 9

10 - 14

15 - 19

20 - 24

25 - 29

30 - 34

4

7

13

22

8

6

4, 5

9, 5

14, 5

19, 5

24, 5

29, 5

34, 5

0

4

11

24

46

54

L Md = 30

Total 60

Dari Tabel 4.16a, dapat diketahui: n = 60 , c = 5



LMd = = 260 = 30, yaitu terletak antara frekuensi komulatif 24 dan 46

Kelas mediannya adalah kelas ke-4 (lihat tanda panah pada tabel), dengan kelas nyatanya : 19,5 - 24,5. Jadi, L = 19,5, fc = 24 dan fm = 22.


Md = L + x c

(30-24) = 19,5 + –––––– x 5 22

6 = 19,5 + ––– x 5 22 = 19,5 + 1,36 = 20,86

Jadi, median dari laba bersih per bulan bagi 60 rumah kecantikan SPA di Kota Denpasar adalah Rp 20,86 juta. Nilai Mediannya = Rp 20,86 juta, memiliki arti bahwa 50% dari rumah kecantikan SPA (sampel) di Kota Denpasar, laba bersih per bulannya lebih kecil dari Rp 20,86 juta, dan 50% nya lagi lebih besar dari Rp 20,86 juta.

Contoh 4 - 23Banyaknya/frekuensi transaksi (yang bernilai antara seratus juta hingga satu miliar rupiah) di bulan Maret tahun lalu yang dilakukan oleh 80 bank yang beroperasi di Provinsi Bali, setelah dikelompokkan adalah sebagai berikut (data hipotetis)

Frekuensi Transakasi

Banyak Bank(f)

20 - 29

30 - 39

40 - 49

50 - 59

60 - 69

70 - 79

80 - 89

2

4

6

13

25

21

9Total 80


Nata Wirawan 83

Berdasarkan data tersebut, hitunglah mediannya dan berikan interpretasi terhadap nilainya.

Penyelesaian

Tabel 4.17 Cara Menghitung Median Frekuensi Transakasi yang Dilakukan Oleh 80 Bank

FrekuensiTransaksi

Banyak Bank(f ) Tepi Kelas fc

20 - 29

30 - 39

40 - 49

50 - 59

60 - 69

70 - 79

80 - 89

2

4

6

13

25

21

9

19,5

29,5

39,5

49,5

59,5

69,5

79,5

89,5

0

2

6

12

25

50

71

80

L Md = 40

Total 80

Dari Tabel 4.17, dapat diketahui: n = 80, c = 10.

LMd = = = 40 , yaitu terletak antara frekuensi komulatif 25 dan 50.

Kelas mediannya adalah kelas ke- 5 (lihat tanda panah pada tabel), dengan kelas nyatanya : 59,5 - 69,5. Jadi L = 59,5, fc = 25 dan fm = 25.


Md = L + c

= 59,5 + 10

= 59,5 + = 59,5 + 6

= 65,5 ≈ 66

Jadi, median frekuensi transaksi (dengan nilai transaksi antara seratus juta hingga 1 miliar rupiah) yang dilakukan oleh 80 bank yang dimaksud adalah 66 kali. Nilai Md = 66, ini berarti 50% dari 80 bank tersebut (kurang lebih 40



bank) melakukan transaksi kurang dari 66 kali, dan 50% nya lagi melakukan transaksi lebih dari 66 kali

4.6 M o d u sModus dari serangkaian data adalah nilai (atau sifat) yang paling banyak

terjadi, atau sifat/keadaan yang frekuensinya terbesar. Untuk data kuantitatif modus menunjukkan nilai yang paling banyak muncul dan untuk data kualitatif modus menunjukkan sifat atau keadaan yang paling banyak terjadi. Dengan demikian serangkaian data, mungkin tidak mempunyai modus, satu modus, dua modus atau lebih.

4.6.1 Modus Data yang Belum Dikelompokkan Bila sekumpulan data belum disusun dalam distribusi frekuensi, maka cara

menghitung/menentukan modusnya adalah sebagai berikut:(1) Hitung frekuensi masing-masing data atau sifat atau keadaan(2) Menentukan modusnya. Data yang frekuensinya terbesar (untuk data

kuantitatif) atau sifat/keadaan yang paling sering terjadi (untuk data kuali-tatif) merupakan modusnya

Contoh 4 - 24Nilai tabungan sebuah sampel acak yang berukuran 15, berasal dari deposan sebuah bank (juta rupiah) disajikan sebagai berikut:

50 60 100 250 75 100 300 80100 75 50 100 300 100 250

Hitunglah modusnya dan berikan interpretasi

Penyelesaian

Tabel 4.18 Cara Menghitung Modus Nilai Tabungan 15 Deposawn Bank yang Dimaksud

Nilai Tabungan(xi )

Banyak/Frekuesi(f )

50607580100250300

2121522

Total 15

Dari Tabel 4.18, dapat diketahui bahwa frekuensi terbesar adalah 5.


Nata Wirawan 85

Data (xi) dengan urut 5 (x5= 100) memiliki frekuensi tebesar yaitu 5 (f = 5). Jadi, modusnya adalah tabungan dengan nilai 100 juta rupiah. Modus = 100 juta rupiah, memiliki arti bahwa nilai tabungan deposan yang paling banyak ada (untuk sampel terpilih) yaitu tabungan yang bernilai 100 juta rupiah.

Contoh 4-25U.D Sumber Makmur, dealer sepeda motor dari berbagai merk, telah mencatat jumlah sepeda motor yang laku satu bulan yang lalu, seperti yang tercantum berikut.

Merk Sepeda Motor(xi )

Jumlah Laku (Unit)(fi)

HondaKawasakiSuzukiYamaha

100204030

Sumber: Data hipotetis

Hitunglah modus hasil penjualan sepeda motor tersebut. Berikanlah makna, modus yang diperoleh.

PenyelesaianFrekuensi yang terbesar adalah 100. Data (xi) dengan frekuensi terbesar adalah data dengan nomor urut satu (x1), yaitu sepeda motor dengan merk Honda. Modusnya adalah sepeda motor merk Honda. Artinya bahwa, sepeda motor yang paling banyak laku bulan lalu adalah sepeda motor merk Honda.

4.6.2 Modus Data yang Telah DikelompokkanBila datanya telah disusun dalam tabel frekuensi, maka modusnya dapat

ditentukan/dihitung melalui dua tahapan sebagai berikut:(1) Menentukan letak modus (LMod). Modus terletak pada kelas dengan frekuen-

si terbesar(2) Menghitung modus Modus data berkelompok dapat dihitung dengan rumus:

d1 Mod = L + –––––– x c (4.12) d1 + d2 Mod = modus L = tepi bawah kelas dari kelas terdapatnya modus d1 = selisih antara frekuensi kelas terdapatnya modus dengan

frekuensi kelas sebelumnya d2 = selisih antara frekuensi kelas terdapatnya modus dengan

frekuensi kelas sesudahnya c = interval kelas



Contoh 4 - 26Sebuah sampel nilai penjualan mingguan (dalam juta rupiah) dari 60 penyalur barang antik di Kota Surabaya disajikan sebagai berikut:

Nilai Penjualan(Juta Rupiah)

BanyakPenyalur

(f)10 - 1415 - 1920 - 2425 - 2930 - 3435 - 39

458

132010

Total 60

Berdasarkan data tersebut, hitunglah modusnya dan berikan interpretasi.

Penyelesaian

Tabel 4.19 Cara Perhitungan Modus Nilai Penjualan Ming-guan 60 Penyalur Barang Antik

NilaiPenjualan

(Juta Rupiah)

BanyaknyaPenyalur

( f)

Tepi Kelas

10 - 14

15 - 19

20 - 24

25 - 29

30 - 34

35 - 39

4

5

8

13 ) d1

20 ) d2

10

9,5

14,5

19,5

24,5

29,5

34,5

39,5

LMod

Total 60Dari Tabel 4.19, dapat diketahui bahwa frekuensi modusnya = 20, maka letak modus (LMod) pada kelas ke-5 (lihat tanda panah pada tabel). Kelas nyatanya adalah 29,5 - 34,5.. Jadi. d1 = 20 - 13 = 7, dan d2 = 20 - 10 = 10 dan L = 29,5 serta c = 5.

Maka per rumus (4.12) didapat,

Mod = L + x c


Nata Wirawan 87

= 29,5 + x 5

= 29,5 + 0,41(5) = 29,5 + 2,05 = 31,55

Jadi, modus dari nilai penjualan mingguan 60 penyalur barang antik di Kota Surabaya adalah Rp 31,55 juta. Ini menunjukan bahwa nilai penjualan mingguan dari 60 penyalur barang antik tersebut yang paling banyak adalah nilai penjualan disekitar Rp 31,55 juta.

Contoh 4-27Berdasarkan data dalam Tabel 4.18, hitunglah modus laba bersih yang diraup per bulan bagi 60 rumah kecantikan SPA di Kota Denpasar.

Penyelesaian

Tabel 4.20 Cara Menghitung Modus Laba Bersih per Bulan 60 Rumah Ke-cantikan SPA di Kota Denpasar


BanyakSPA(f)

Tepi Kelas

5 - 9

10 - 14

15 - 19

20 - 24

25 - 29

30 - 34

4

7

13 ) d1

22 ) d2

8

6

4,5

9,5

14,5

19,5

24,5

29,5

34,5

L Mod

Total 60

Dari Tabel 4.20, dapat diketahui bahwa frekuensi modusnya = 22, maka letak modus (LMod) pada kelas ke-4 (lihat tanda panah pada tabel). Kelas nyatanya adalah 19,5 - 24,5. Jadi. d1 = 22 - 13 = 9, dan d2 = 22 - 8 = 14 dan L = 19,5 serta c = 5.

Per rumus (4.12) di didapat,

Mod = L + x c



= 19,5 + x 5

= 19,5 +

= 19, 5 + 1, 96 = 21, 46

Jadi, modus dari laba bersih per bulan bagi 60 rumah kecantikan SPA di Kota Denpasar adalah Rp 21,46 juta. Modus = 21,46 memi liki arti bahwa laba bersih yang diraup oleh 60 rumah kecantikan SPA yang nilainya paling banyak adalah berkisar Rp 21,46 juta.

4.7 Kebaikan dan Kelemahan Mean, Median, dan ModusSetelah ketiga ukuran nilai sentral yang terpenting dibahas, selanjutnya pada bagian ini akan ditinjau kebaikan dan kelemahan masing-masing ukuran nilai sentral tersebut. Menurut Gupta dan Gupta (1983), Ott, R.L., dan M. Longnecker (2010) bahwa kebaikan dan kelemahan mean, median dan modus adalah sebagai berikut.

MeanKebaikan mean sebagai ukuran nilai sentral/nilai tengah adalah: (1) Mean

telah dikenal secara umum, (2) Mean mudah dihitung, dan (3) Mean meru-pakan nilai rata-rata yang stabil. Sedangkan kelemahannya yaitu mean mu-dah dipengaruhi oleh nilai ekstrem.

MedianKebaikan median sebagai ukuran nilai sentral/nilai tengah antara lain ada-

lah (1) Median sangat mudah dihitung bila data (pengamatan) tidak terlalu banyak/relatif kecil, (2) Median tidak dipengaruhi oleh nilai ekstrem. Sedang-kan kelemahannya antara lain (1) median sebagai ukuran nilai sentral sifat-nya kurang teliti, dan (2) Median sebagai ukuran nilai sentral kurang dikenal dibandingkan dengan mean.

ModusKebaikan modus sebagai ukuran nilai sentral antara lain adalah (1) untuk

data atau pengamatan yang jumlahnya relatif kecil, modus mudah diketahui dan tidak perlu perhitungan, (2) Modus tidak dipengaruhi oleh nilai ekstrem, dan (3) modus dapat digunakan sebagai ukuran nilai sentral baik untuk data kuantitatif maupun untuk data kualitatif. Sedangkan kelemahannya antara lain adalah: Modus sebagai ukuran nilai sentral kurang teliti, sebab suatu distribu-si frekuensi kadang-kadang ada dua modus, tiga modus atau bahkan tidak ada modus.

4.8 Hubungan Mean, Median dan ModusHubungan antara mean, median dan modus dari suatu distribusi frekuensi adalah sebagai berikut (Levin, 1981; Gupta dan Gupta, 1983; Lind et al., 2008):


Nata Wirawan 89

(1) Bila distribusi frekuensi tersebut simetris, maka nilai mean, nilai median dan nilai modus sama besar (mean = median = modus), atau dengan kata lain mean, median dan modus terletak pada satu titik dan kurva dari dis-tribusi frekuensi tersebut simetris atau berbentuk normal (Gambar 4.1)

Hubungan mean, median dan modus pada distribusi frekuensi yang simetris.

(2) Bila distribusi frekuensi tersebut menceng ke kanan atau condong ke kiri,

maka nilai mean>median>modus, atau dengan kata lain letak mean paling kanan ditengah median dan paling kiri adalah modus (Gambar 4.2)

Gambar 4.2Hubungan mean, median dan modus pada distribusi menceng ke kanan.

(3) Bila distribusi frekuensi tersebut menceng ke kiri atau condong ke kanan, maka nilai mean<median<modus, atau dengan kata lain letak mean paling kiri, disusul median dan modus letaknya paling kanan (Gambar 4.3)

Gambar 4.3Hubungan mean, median dan modus

pada distribusi menceng kekiri



Pada distribusi frekuensi yang menceng, nilai median selalu terletak di te ngah, artinya nilai median tidak dipengaruhi oleh nilai ekstrem. Jadi median meru-pakan nilai sentral yang dianggap paling mewakili pada distribusi yang men-ceng, alternatif berikutnya baru modus dan terakhir mean.

Untuk lebih jelasnya di bawah ini disajikan 2 macam distribusi hipotetis yang berbentuk simetris dan asimetris.s

Tabel 4.21 Distribusi Frekuensi yang Simetris

Kelas Interval fi mi Tepi kelas di fi di fc

20 - 29

30 - 39

40 - 49

50 - 59

60 - 69

4

8 )d1

16 )d2

8

4

24,5

34,5

44,5

54,5

64,5

19,5

29,5

39,5

49,5

59,5

69,5

-2

-1

0

+ 1

+2

-8

-16

0

+16

+8

0

4

12

28

36

40Total ∑ fi = 40 ∑ fidi = 0

= 44,5 + ( )10 = 44,5

Mod = 39,5 + ( )10 = 44,5

Md = 39,5 + ( )10 = 44,5

Distribusi frekuensi pada Tabel 4.21, jika dibuat digramnya seperti Diagram 4.1.

Diagram 4.1 Letak Mean, Median dan Mo-dus Pada Distribusi Simetris

mean = median = modus = 44,5


Nata Wirawan 91

Tabel 4.22 Distribusi Frekuensi Asimetris (Menceng Kanan)


20 - 29

30 - 39

40 - 49

50 - 59

60 - 69

4 )d1

16 )d2

12

6

2

24,5

34,5=xo

44,5

54,5

64,5

19,5

29,5

39,5

49,5

59,5

69,5

-1

0

+ 1

+ 2

+3

- 4

0

+ 12

+ 12

+ 6

0

4

20

32

38

40Total ∑ fi = 40 ∑ fidi = 26

x = 34,5 + ( )− 2640 10 = 41

Md = 29,5 + (1616 ) 10 = 39,5

Mod = 29,5 + ( 1212 4+ ) 10 = 37

Diagram distribusi frekuensi dari Tabel 4.22, seperti Diagram 4.2.

Diagram 4.2 Letak Mean,Median dan Modus Pada Distribusi Frekuensi Menceng Kanan

f 16 − 14 − 12 − 10 − 8 − 6 − 4 − 2 − // 19,5 29,5 39,5 49,5 59,5 69,5

Mod < Md < (37) (39,5) (41)



Tabel 4.23 Distribusi Frekuensi Asimetris (Menceng Kiri)


20 - 29

30 - 39

40 - 49

50 - 59

60 - 69

2

6

12

16

4

24,5

34,5

44,5

54,5 =x 0

64,5

19,5

29,5

39,5

49,5

59,5

69,5

- 3

- 2

- 1

0

+ 1

- 6

- 12

- 12

0

+ 4

0

2

8

20

36

40Total ∑ fi = 40 ∑ fidi = -26

= 54,5 + 10 = 48

Md = 39,5 + ( ) 10 = 49,5

Mod = 49,5 + ( ) 10 = 52

Distribusi frekuensi dari Tabel 4.23, jika disajikan dalam diagram, bentuk nya seperti Diagram 4.3:

Diagram 4. 3 Letak Nilai Mean, Median dan Modus pada Distribusi Frekuensi Asimetris (Men-ceng Kiri)

< Md < Mod

(48) (49,5) (52 )

Contoh 4 – 28Hasil survei sampel acak 80 hotel berbintang mengenai tingkat huniannya didapat hasil sebagai berikut.


Nata Wirawan 93

Tingkat Hunian(%)

Banyak Hotel(fi)

55 - 5960 - 6465 – 6970 – 7475 – 7980 - 84

271024325

Total 80

Berdasarkan data tersebut, hitunglah:(a) rata-rata hitungnya, dan berikan interpretasi.(b) Mediannya, dan berikan interpretasi.(c) Modusnya, dan berikan interpretasi.(d) Tentukanlah pola sebaran data tersebut (simetris, menceng kanan

atau menceng kiri).

Penyelesaian

Tabel 4.24 Cara Perhitungan mean, median dan modusTingkat Hunian

(Persen)

Banyak Hotel(fi )

(mi ) fimi Tepi Kelas fc

55 - 59

60 - 64

65 - 69

70 - 74

75 - 79

80 - 84

2

7

10

24 ) d1

32 ) d2

5

57

62

67

72

77

82

114

342

670

1728

2464

410

54,5

59,5

64,5

69,5

74,5

79,5

84,5

0

2

9

19

43

75

80

LMd

LMod

Total 80 5.728

(a) Menghitung rata-rata hitung (mean)

Dari Tabel 4.24, dapat diketahui bahwa n = ∑ if = 80 dan ii mf∑ = 5.728.

Selanjutnya per rumus 4.3 rata-rata hitungnya dapat dihitung dan didapat,



x = 80728.5

= 80728.5 = 71,6

Jadi, rata-rata tingkat hunian hotel berbintang tersebut adalah 71,44 %.

(b) Menghitung median Dari Tabel 4.24, dapat diketahui n = 80 dan c = 5 LMd =n/2 = 80/2= 40, yaitu terletak antara frekuensi komulatif 19 dan 43,

yaitu pada kelas ke- 4 (lihat tanda panah dalam tabel). Kelas mediannya (kelas nyata) adalah 69,5 - 74,5. Jadi, L = 69,5, fc = 19 dan fm = 24


Md = L + x c

= 69,5 + 24

)1940( − x 5

= 69,5 + ( 2421

) x 5

= 69,5 + 4,375 = 73,86

Jadi, Md = 73,86 %. Interpretasi, Md = 72% artinya 50% dari 80 hotel ber-bintang tersebut (sampel) tingkat huniannya kurang dari 72% (paling tinggi 72%) dan 50% lagi tingkat huniannya lebih dari 73,86 % (paling rendah 73,86%)

(c) Menghitung modusnya Dari Tabel 4.24, dapat diketahui bahwa frekuensi modusnya (frekuensi

terbesar) = 32, maka kelas modus adalah kelas ke-5 (lihat tanda panah dalam tabel). Kelas nyatanya adalah 74,5 – 79,5, maka L = 74,5, d1 = 32 – 24 = 8, d2 = 32 - 5 = 27 serta c = 5.

Selanjutnya per rumus (4.12) didapat,

Mod = L + x c

= 74,5 + 358

x 5

= 74,5 + 1,142 = 75,64

Jadi, modusnya adalah 75,64%. Modus = 75,64% artinya bahwa tingkat


Nata Wirawan 95

hunian dari 80 hotel berbintang tersebut yang paling banyak pada kisaran 75,64%.

(d) Oleh karena nilai Mean = 71,6% < Median = 73,86% < Modus = 75,64%. Maka sebaran data/distribusi frekuensi tersebut menceng ke kiri atau con-dong ke kanan.

Catatan : Tanda panah dalam tabel dibubuhkan setelah Anda menghitung letak masing-masing ukuran letak. Pada Contoh 5-2, hitung terlebih dahulu letak K1 yaitu ( ) dan letak K3 yaitu . Setelah itu tanda panah baru Anda bubuhkan ke dalam

4.9 Ukuran Nilai Sentral LainnyaDalam Sub bahasan 4.3, 4.4 dan 4.5 telah dibahas tiga ukuran nilai sentral

terpenting yaitu mean, median dan modus. Pada sub bahasan ini, akan dibahas ukuran nilai sentral lainnya yaitu (1) rata-rata ukur, dan (2) rata-rata harmonis

4.9.1 Rata-rata UkurRata-rata ukur (GM) serangkaian n data adalah akar pangkat n dari hasil kali nilai - nilai seluruh data tersebut. Dengan catatan salah satu nilai - nilai data tesebut tidak negatif atau nol.

Rata-rata ukur (Geometric Mean), terutama digunakan untuk: (1) menghitung rata-rata data rasio, seperti rata- rata persen, rata- rata nilai indeks dan rata-rata nilai relatif, dan (2) untuk menghitung rata-rata laju perubahan. Seperti rata-rata pertumbuhan penduduk, rata-rata pertum-buhan ekonomi, rata- rata perubahan indeks ekonomi, rata- rata kenaikan penjualan, rata-rata kenaikan produksi dari satu periode ke periode waktu lain.Jadi, rata-rata ukur (GM) dapat dirumuskan sebagai berikut:

GM = (4.13)

GM = rata-rata ukurx1 = nilai data yang pertama,xn = nilai data yang ke-nn = banyaknya data/banyak pengamatan

Contoh 4-29Tingkat bunga deposito 5 tahun terakhir sebesar 10, 12, 15, 17 dan 18 persen per tahun. Hitunglah rata-rata ukur tingkat bunga deposito tersebut.

Penyelesaianx1 = 10, x2 = 12, x3 = 15, x4 = 17 dan x5 = 18




GM =

= = 14,06Jadi, rata-rata (ukur) tingkat bunga deposito tersebut 14,06% per tahun.

Contoh 4-30Indeks harga penjualan beras 4 tahun terakhir adalah: 100, 125, 150, dan 200Hitunglah rata-rata indeks harga penjualan beras tersebut.

Penyelesaianx1 = 100, x2 = 125, x3 = 150, dan x4 = 200


GM =

= = 139,15Jadi, rata-rata indeks harga penjualan beras tersebut 139,15.

Untuk menghitung rata-rata perubahan/pertumbuhan aktivitas ekonomi dan bisnis dalam selang waktu tertentu, rumus (4.13) dapat dinyatakan sebagai berikut:

GM = - 1 (4.14)

= - 1

n = selang waktu, xo= nilai data pada awal periodexn = nilai data pada periode ke-n/akhir periode

Contoh 4 - 31Perkembangan nilai ekspor Indonesia selama 5 tahun, kurun waktu 2006 - 2010, seperti tercantum pada Tabel 4.27


Nata Wirawan 97

Tabel 4.25 Perkembangan Nilai Ekspor Indonesia Kurun Waktu 2006-2010 (Juta US $)


100.798,6114.100,9137.020,4116.510,0157.779,1

Sumber: BPS- Jakarta, 2011.Data diolah

Berdasarkan data pada Tabel 4.27, hitunglah rata-rata pertumbuhan nilai eks-por Indonesia kurun waktu 2006-2010

Penyelesaian

Tabel 4.25a Cara Menghitung Rata-rata Pertumbuhan Ekspor Indonesia Kurun Waktu 2006 - 2010

Tahun Nilai Ekspor(xn)

Rasio

20062007200820092010

100.798, 6114.100, 9137.020, 4116.510, 0157.779, 1

-1,13191,20080,85031,3542

Selang waktunya (dari 2006 sampai dengan 2010) adalah 5 tahun, meliputi Tahun 2006, 2007, 2008, 2009, dan 2010. Jadi n = 5. Dalam selang waktu 5 tahun tersebut tedapat 4 (n -1 = 5-1) rasio perubahan nilai ekspor yaitu:

= 1,1319,

= 1,2008,

= 0,8503, dan

= 1,3542


GM = - 1

= - 1

= 4 )3542,1)(8503,0)(2008,1)(1319,1( - 1

= (1,1185) - 1

= 0,1185

Jadi, rata-rata pertumbuhan nilai ekspor Indonesia kurun waktu 2006 - 2010



sebesar 11,85% (= 0,1185x 100%) per tahunHasil yang sama dapat juga diperoleh per rumus (4.14), yaitu dengan

mengambil nilai awal xo=100.798,6 dan nilai akhir xn= 157.779,1 sebagai berikut:

GM = - 1

= 46,798.1001,779.157

- 1 = 1,1185 -1

= 0,1185

Jadi, rata-rata pertumbuhan nilai ekspor Indonesia kurun waktu 2006 - 2010 sebesar 11,85% ( = 0,1185 x 100%) per tahun.

Contoh 4 – 32 Pada tahun 2010 penduduk suatu kabupaten adalah 2,502170 juta jiwa, dan pada tahun 2014 sebanyak 2,618369 juta jiwa. Berapa persen rata-rata pertumbuhan penduduk kabupaten tersebut?

PenyelesaianSelang waktu dari 2010 sampai dengan 2014 adalah 5 tahun, meliputi tahun 2010, 2011, 2012, 2013 dan 2014. Jadi n = 5.

= 2,618369; = 2,502170

Per rumus (4.14) didapat

GM = - 1

= - 1

= 1,0114 -1 = 0,0114

Jadi, rata-rata pertumbuhan penduduk kabupaten per tahun kurun waktu 2010-2014 adalah sebesar 1,14% (= 0,0114 x 100%)

4.9.2 Rata-rata HarmonisRata-rata harmonis (Harmonic Mean) adalah banyaknya data atau penga-

matan (n) dibagi dengan jumlah kebalikan nilai datanya. Dalam prakteknya rata-rata harmonis banyak digunakan untuk mencari rata-rata nilai data yang berbeda untuk sejumlah pengamatan yang sama. Misalnya menghitung ke-cepatan rata-rata, untuk jarak yang sama dengan kecepatan yang berbeda, menghitung harga rata-rata per unit dalam beberapa kali pembelian dengan sejumlah uang yang sama (tetap) yang harga per unitnya berbeda dalam se-tiap pembelian.


Nata Wirawan 99

4.9.2-1 Rata-rata Harmonis Data Tidak BerkelompokRata-rata harmonisnya dapat dihitung dengan rumus:

H = (4.15)

H = rata-rata harmonis,n = banyaknya data /pengamatanxi = nilai data yang ke-i

Contoh 4 - 33Seorang pedagang menyediakan anggaran sebesar Rp 600.000,00 tiap bulannya dalam jangka waktu 6 bulan untuk pembelian daging sapi. Jika harga per kg daging sapi mulai bulan pertama sampai dengan bulan yang ke enam sebagai berikut: Rp 20.000,00; Rp 25.000,00; Rp 30.000,00; Rp 40.000,00; Rp 50.000,00; Rp 60.000,00. Tentukanlah harga rata-rata tiap kg daging sapi tersebut

Penyelesaian Disini banyak pengamatan (frekuensi fembelian) adalah 6 kali, jadi n = 6. Nilai pengamatan yaitu: x1= 20.000, x2= 25.000, x3= 30.000, x4= 40.000, x5= 50.000, dan x6= 60.000.


H =

H = 000.601

000..501

000..401

000.301

000.251

000.201

6+++++

000.60010

000.60012

000.60015

000.60020

000.60024

000.60030

6+++++

=

000.601

000..501

000..401

000.301

000.251

000.201

6+++++

000.60010

000.60012

000.60015

000.60020

000.60024

000.60030

6+++++

=

= 32.432,40

Jadi, harga rata-rata (harmonis) per kg daging sapi tersebut adalah Rp 32.432, 40



Contoh 4 - 34Sebuah keluarga dalam acara liburan menempuh jarak 120 km pulang pergi. Kecepatan rata-rata waktu berangkat 80 km per jam dan kecepatan rata-rata waktu balik 60 km per jam. Hitunglah kecepatan rata-rata keluarga tersebut selama perjalanan (pulang-pergi).

Penyelesian Dalam hal ini banyaknya (frekuensi) pengamatan adalah 2, yaitu kecepatan rata-rata waktu berangkat dan kecepatan rata-rata waktu balik. Jadi n = 2. Nilai pengamatan masing-masing adalah: x1= 80, x2= 60.

Per rumus (4.14) rata- rata (harmonis) nya dapat dihitung sebagai berikut:

H = ∑ iiX

n1

= =

= 68,57

Jadi, rata-rata kecepatan keluarga tersebut selama perjalanan adalah 68,57 km per jam

4.9.2-2 Rata-rata Harmonis Data yang Telah DikelompokkanUntuk data yang telah dikelompokkan, rata-rata harmonisnya dapat dihitung dengan rumus:

H = (4.16)

H = rata-rata harmonis n = banyaknya data mi = nilai tengah kelas yang ke-i fi = frekuensi kelas yang ke-i

Contoh 4 - 35Berdasarkan data pada Tabel 3.8 hitunglah rata-rata harmonisnya


Nata Wirawan 101

Penyelesaian

Tabel 4. 26 Cara Menghitung Rata-rata Harmonis Penghasilan per Bulan Usaha Rental Kendaraan Roda Empat di Kabupaten Badung.

Penghasilanper Bulan(Juta Rp)

Banyak Usaha (fi`)

Titik Tengah (mi)

fi / mi

20 - 2930 - 3940 - 4950 - 5960 - 6970 - 7980 - 89

147

1325155

24,534,544,554,564,574,584,5

0,040810,115940,157300,238530,387590,201340,05917

Total ∑fi =n =70 1, 20068Sumber: Tabel 3.8

Dari Tabel 4.26, dapat diketahui n = 70, ∑i

i

mf

=1, 20068


H =

70 = ––––––– 1,20068 = 58,30

Jadi, rata-rata penghasilan per bulan 70 usaha rental kendaraan roda empat di Kabupaten Badung adalah 58,30 juta rupiah.



Soal-soal Latihan

4 - 1 Sebutkan ukuran nilai sentral/tengah (rata-rata hitung, median, modus) yang paling tepat untuk pernyataan-pernyataan di bawah ini: (a) Lima puluh persen penduduk sebuah desa berumur 70 tahun atau

lebih.(b) Pendapatan per kapita penduduk sebuah kecamatan di Bali adalah

Rp 750.000,00 per bulan.(c) Pada saat pelelangan suatu barang nilai yang paling banyak adalah

penawaran yang bernilai Rp 20.000.000,00.

4 - 2 Tentukanlah ukuran nilai sentral yang sesuai bagi masing-masing rang-kaian/gugusan data di bawah ini. Selanjutnya hitunglah nilai sentral menurut ukuran yang paling sesuai tersebut(a) 2 20 35 50 60 90 150 1500(b) 50 75 100 100 100 100 150 300(c) 10 15 20 24 30 36 40 45

4 - 3 Sumber-sumber penerimaan pajak Negara Indonesia pada tahun 2011, yang telah diwartakan oleh harian bisnis & investasi Kontan pada Senin, 9 April 2012 adalah sebagai berikut:

Sumber Penerimaan Pajak Nilai Pajak(Miliar Rupiah)

1 Pajak Penghasilan (PPh)2 Pajak Pertambahan Nilai (PPN)3 Cukai4 Pajak Bumi dan Bangunan (PBB)5 Pajak Lainnya

431.977,0298.441 468.075,329.075,34.199,8

Hitunglah mean, median dan modusnya

4 - 4 Produksi traktor tahunan dari suatu perusahaan alat-alat pertanian multinasional di 8 negara adalah sebagai berikut (ribu unit).6 9 12 15 15 20 26 32(a) Hitunglah rata-rata hitungnya.(b) Hitunglah mediannya.(c) Hitunglah modusnya.

4 - 5 Sampel acak berupa sepuluh sabun mandi merk tertentu, diperiksa berat nettonya (dalam gram) diperoleh hasil sebagai berikut:125 135 130 132 128 134 126 127 133 130Hitunglah rata-rata hitungnya, median dan modusnya.

4 - 6 Sebuah gedung bioskop memiliki 500 tempat duduk, yang terdiri atas: kelas istimewa 100 tempat duduk, kelas satu 200 tempat duduk, kelas dua 150 tempat duduk, dankelas tiga 50 tempat duduk. Sedangkan


Nata Wirawan 103

harga tiket per tempat duduk untuk kelas istimewa, kelas satu, kelas dua dan kelas tiga berturut-turut sebesar Rp 30.000.00, Rp 25.000,00, Rp 20.000,00, dan Rp 15.000,00. Jika semua tempat duduk terjual, berapa harga rata-rata tiap tiket yang dibayar penonton?

4 - 7 Nilai impor Indonesia selama 5 tahun (2006-2010) dapat disajikan sebagai berikut:

Tahun Nilai Impor (Juta US $)20062007200820092010

61.065,574.473,4

129.197,396.829,2

135.663,3Sumber: BPS –Jakarta, 2011

Hitunglah:(a) Rata-rata tingkat pertumbuhan impor tersebut.(b) Mediannya.(c) Rata-rata hitungnya.

4 - 8 Perdagangan senjata global. Sepuluh negara importer dan eksporter senjata terbanyak, di tahun 2009, yang dimuat oleh surat kabar terbitan Ibu Kota, Kompas adalah sebagai berikut:

Importer Eksporter

Negara Nilai(juta Us $) Negara Nilai

(juta Us $)Arab Saudi 2.700 AS 14.383China 1.500 Rusia 3.700Korea Selatan 1.400 Jerman 2.800Mesir 1.300 Inggris 2.200India 1.200 China 1.800Israel 1.200 Prancis 1.200Pakistan 1.000 Swedia 1.200Venesuela 900 Kanada 1.200Aljazair 900 Austria 700Irak 800 Israel 600

Sumber: Kompas, 12 April 2011, h. 22

(a) Hitunglah median dan modus nilai senjata yang diimpor oleh nega-ra-negara importer, dan berikanlah interpretasi.

(b) Hitunglah median dan modus nilai senjata yang diekspor oleh ne-gara-negara ekspoter, dan berikanlah interpretasi.

(c) Menurut saudara ukuran nilai sentral mana yang paling sesuai un-tuk menghitung nilai tengah dari nilai senjata yang diekspor oleh negara-negara eksporter?



4 - 9 Modal awal dari 125 perusahaan biro perjalanan wisata (BPW) nasional ditunjukkan dalam tabel frekuensi berikut:

Modal(Ratus Juta Rp.)

Banyak Biro Perjalanan (unit)

10 - 10,911 - 11,912 - 12,913 - 13,914 - 14,915 - 15,9

81215324810

Total 125

Pertanyaan (a) Hitunglah nilai mean, median dan modusnya. (b) Tunjukkan letak mean, median dan modus dalam histogram.

4 - 10 Hasil survei tentang laba bersih per bulan yang diperoleh oleh 350 mi-nimarket (sampel acak) di sebuah provinsi sebagai berikut:

Laba bersih(Juta Rupiah)

BanyakMinimarket (Unit)

30 - 39,9940 - 49,9950 - 59,9960 - 69,9970 - 79,9980 - 89,9990 - 99,99

101536701305831

Total 350

Pertanyaan(a) Hitunglah mean laba bersih minimarket-minimarket tersebut dan

berikan interpretasi.(b) Hitunglah median laba bersih minimarket- minimarket tersebut dan

berikan interpretasi.(c) Hitunglah modusnya dan berikan interpretasi.

4 - 11 Seorang ibu rumah tangga membeli bawang merah di tiga lokasi. Uang yang dibelanjakan sebanyak Rp 150.000,00; Dengan rincian Rp 50.000,00 dibelikan bawang merah di lokasi pertama dengan harga Rp 2500,00 per kg; Rp 50.000,00 dibelikan bawang merah di lokasi ke-dua dengan harga Rp 3000,00 per kilogram. Sisanya lagi sebesar Rp 50.000,00, dibelikan bawang merah di lokasi ketiga dengan harga Rp 2000,00 per kg. Berapa rata-rata harga per kg bawang merah tersebut?


Nata Wirawan 105

4 - 12 Dua bulan yang lalu seorang pedagang membeli 5 kerat minuman rin-gan dengan harga Rp25.000,00 per keratnya. Sebulan lalu untuk mem-peroleh 5 kerat minuman yang sama ia mengeluarkan uang sebanyak Rp30.000,00. Tetapi kini untuk mendapatkan barang itu (5 kerat minu-man yang sama) harus membayar Rp35.000,00. Berapa harga rata-ra-ta per kerat minuman ringan yang dibayar oleh pedagang tersebut?

4 - 13 Hasil penelitian terhadap 40 pasar tradisional (sampel) mengenai harga per kilogram bawang merah di lima (5) daerah penelitian, seperti tercantum pada tabel berikut :

Daerah Penelitian

Banyak Pasar Tradisional

Harga Rata-rata per Kg (Rp)

12345

21015 9 4

15.00014.50013.75013.00015.250

Sumber : Data hipotetis

Berdasarkan data di atas, hitunglah rata-rata harga per kg bawang merah di daerah penelitian.

4 - 14 Jumlah penduduk suatu wilayah pada tahun 2010 adalah 80,234 juta jiwa dan pada tahun 2015 adalah 122,250 juta jiwa. Hitunglah rata-rata pertumbuhan penduduknya.

4 - 15 Pada hari minggu yang cerah seorang pedagang telah berhasil menjual 200 botol minuman ringan ukuran kecil, 100 botol ukuran sedang dan 150 botol ukuran besar. Harga per botol minuman ukuran kecil Rp 5.000,00, ukuran sedang Rp 8.000,00 dan dan ukuran besar Rp 15.000,00. Bera-pa harga rata-rata per botol minuman ringan yang telah terjual tersebut.

4 - 16 Data berikut ini adalah data mengenai upah rata-rata per jam untuk setiap orang dari 5 kelompok pekerja sesuai dengan bidang keahliannya.

Kelompok Pekerja Banyak Orang Upah Rata-rataper jam

Tukang RiasTukang las listrikTeknisi automotifTeknisi komputerPresenter

86

1054

Rp 50.000,00Rp 75.000,00Rp 80.000,00Rp 40.000,00

Rp 100.000,00 Berapa rata-rata upah per jam yang diterima oleh masing-masing pekerja?4 - 17 Perkembangan kunjungan wisman ke daerah tujuan wiasata dalam



lima tahun terakhir (ribu orang) adalah : 4 8 16 33 70 Hitunglah rata-rata ukurnya.

4 - 18 Di bawah ini adalah data mengenai tingkat hunian kamar hotel berbintang di Bali dari Bulan Januari – Desember 2013

Bulan Tingkat Hunian (%)

Januari 43,95Februari 47,94Maret 47,43April 47,13Mei 52,88Juni 58,63Juli 63,05Agustus 70,32September 65,53Oktober 60,82Nopember 53,01Desember 62,53

Sumber : Dinas Pariwisata Provinsi Bali, 2013.

Berdasarkan data di atas, hitunglah mean dan mediannya

4 - 19 Ekonomi global. Proyeksi pertumbuhan ekonomi beberapa negara di dunia versi IMF pada Tahun 2011 dan 2012, disajikan sebagai berikut:

Nama Negara Pertumbuhan Ekonomi (persen)2011 2012

Amerika Serikat 2,8 2,6Jepang 1,4 2,1Inggris 1,7 2,3Kanada 2,8 2,6Jerman 2,5 2,1Rusia 4,8 4,5China 9,6 9,5India 8,2 7,8Brasil 4,5 4,1Meksiko 4,0 4,0Spanyol 0,8 1,6

Sumber: Media Indonesia, 13 April 2011, h. 19. Diambil sebagian

Pertanyaan(a) Menurut saudara ukuran nilai sentral (mean, median, modus) yang mana

paling sesuai untuk mewakili masing-masing kelompok data tersebut(b) Berdasarkan jawaban pada butir (a), hitunglah nilai tengahnya

4 - 20 Jumlah penduduk Indonesia pada Tahun 2000 adalah 205,1 juta jiwa


Nata Wirawan 107

dan pada Tahun 2010 adalah 237,6 juta jiwa. Hitunglah rata-rata per-tumbuhan penduduk Indonesia selama periode 2000-2010

4 - 21 Berikut ini adalah data mengenai waktu lamanya menunggu/antre (da-lam menit) untuk 120 pemegang kartu ATM di salah satu mesin ATM di sebuah pusat pembelanjaan

Waktu (menit) Banyak (orang)151820121028252628303235

85

121076

20108

125

17Total 120

Hitunglah rata-rata hitung tertimbang lamanya menunggu pemegang kartu ATM tersebut.

4 - 22 Data berikut ini adalah data mengenai nilai subsidi listrik negara oleh

pemerintah Indonesia, periode 2007 sampai dengan 2011.

Tahun 2007 2008 2009 2010 2011Nilai (Triliun Rp) 33,1 83,9 49,5 55,1 66,3

Sumber: Jawa Pos, 20 Maret 2012, h. 5. Diambil sebagian. Hitunglah mean, median dan modus nilai subsidi listrik tersebut.

4 - 23 Hasil survei tentang hasil penjualan 100 divisi F & B (Food & Bevarage) per minggu dari 100 hotel berbintang 4, ditabelkan sebagai berikut:

Penjualan(Juta Rupiah)

JumlahDivisi F & B

35,00 - 42,4942,50 - 49,9950,00 - 57,4957,50 - 64,9965,00 - 72,4972,50 - 79,9980,00 - 87,49

83720158210

Total 100



(a) Hitunglah rata-rata hitungnya.(b) Hitunglah mediannya dan berikan interpretasi.(c) Hitunglah modusnya dan berikan interpretasi.(d) Tentukanlah pola sebaran data tersebut

4 - 24 Data yang didapat dari survei sampel dengan mengambil 30 kamar hotel berbintang, 50 kamar hotel melati dan 20 kamar pondok wisata sebagai sampel acak, didapat hasil sebagai berikut.

Type Akomodasi Kuantitas Kamar(unit)

Harga rata-rata/ kamar/malam(Seribu Rp.)


Pondok Wisata

305020

2.000350200

Bila keseratus kamar tersebut terjual, berapa harga rata-rata per kamar

per malam yang dibayar oleh para tamu?

4 - 25 Sebuah perusahaan yang bergerak dalam bidang transportasi pariwisata mengoperasikan 150 kendaraan roda empat yang terdiri atas 20 bus, 200 sedan dan 30 jeep. Dengan sewa per hari masing-masing sebagai berikut:

Jenis Kendaraan Kuantitas Kendaraan(unit)

Sewa/unit/hari(Ribu Rp)

BusSedanJeep

2010030

800400350

Bila semua kendaraan disewa orang, berapa sewa rata-rata per kendaraan per harinya yang dibayar oleh penyewa?

4 - 26 Data di bawah ini adalah data mengenai Type dan kuantitas usaha pariwisata di Bali tahun 2013

No. Jenis Usaha Kuantitas(unit)

1234567

AkomodasiRestoran/Rumah makanTravelagentCabang TravelagentMICEBarOlah raga air

2.5721.069

338219

595223

Sumber : Dinas Pariwisata Provinsi Bali, 2013


Nata Wirawan 109

Menurut saudara ukuran nilai sentral mana yang paling tepat untuk menghitung nilai tengahnya? Selanjutnya hitunglah nilai tengahnya.

4 - 27 Negara Yunani mengalami krisis keuangan dalam 5 tahun terakhir. Data di bawah ini adalah data 12 negara/lembaga keuangan dunia pemberi pinjaman terbesar, dalam upaya menolong Negara Yunani terlepas dari “kebangkrutan”.

No. Negara /Lembaga Pemberi Pinjaman

Nilai Pinjaman(Miliar Euro)

123456789101112

JermanPerancisItaliaSpanyolIMFECBBelandaASInggrisBelgiaAustriaFinlandia

68,243,838,4

2521,418,113,411,310,87,55,93,7

Sumber : Kompas, 5 Juli 2015. h.5.

Hitunglah nilai rata-rata hitung dan mediannya.

4 – 28 Krisis ekonomi global berdampak penurunan ekonomi dunia, tidak terkecuali berdampak juga terhadap ekonomi Indonesia. Periode 2011 – 2014 pertumbuhan ekonomi Indonesia sebagai berikut:

Tahun 2011 2012 2013 2014Pertumbuhan (%) 6,5 6,2 5,8 5,02

Sumber : Warta Ekonomi, Vol.XXVII, No.11, Th.2015

Hitunglah rata-rata (ukur) pertumbuhan ekonomi Indonesia kurun waktu 2011 – 2014.

4 – 29 Krisis ekonomi global berdampak penurunan ekonomi dunia, tidak terkecuali berdampak juga terhadap ekonomi Indonesia. Periode 2011 – 2014 pertumbuhan ekonomi Indonesia sebagai berikut:

Tahun 2011 2012 2013 2014Pertumbuhan (%) 6,5 6,2 5,8 5,02Sumber : Warta Ekonomi, Vol.XXVII, No.11, Th.2015

Hitunglah rata-rata (ukur) pertumbuhan ekonomi Indonesia kurun waktu 2011 – 2014.



4 - 30 Seperti yang diwartakan oleh Majalah The Politic, 10 negara yang memiliki cadangan devisa terbesar di awal 2015, tercantum dalam tabel berikut.

No. Nama Negara Nilai Cadangan Devisa(miliar US$)

1 Cina 3.840,00 2 Jepang 1.190,00 3 Arab Saudi 718,924 Swiss 498,965 Taiwan 417,836 Brasil 369,817 Korea Selatan 362,378 Rusia 339,379 Hongkong 332,5010 India 312,32

Sumber : The Politic, Ed.16/Th IV/26 Juni-09 Juli 2015. h.21.

Menurut saudara ukuran nilai sentral mana (mean, median dan modus) yang paling tepat untuk menghitung nilai tengahnya. Hitunglah nilai tengahnya

4 - 31 Hasil Penjualan paket wisata yang diperoleh 100 Biro Perjalanan Wisata (BPW), ditabelkan sebagai berikut:

Hasil Penjualan(Juta Rupiah)

JumlahBiro Perjalanan Wisata

40 - 49,950 - 59,960 - 69,970 - 79,980 - 89,990 - 99,9

842251582

Total 100


4 - 32 Seperti yang diwartakan oleh Majalah The Politic, 10 negara yang memiliki cadangan devisa terbesar di awal 2015, tercantum dalam tabel berikut.


Nata Wirawan 111

No. Nama Negara Nilai Cadangan Devisa(miliar US$)

1 Cina 3.840,00 2 Jepang 1.190,00 3 Arab Saudi 718,924 Swiss 498,965 Taiwan 417,836 Brasil 369,817 Korea Selatan 362,378 Rusia 339,379 Hongkong 332,5010 India 312,32

Sumber : The Politic, Ed.16/Th IV/26 Juni-09 Juli 2015. h.21.

Menurut saudara ukuran nilai sentral mana (mean, median dan modus) yang paling tepat untuk menghitung nilai tengahnya. Hitunglah nilai tengahnya

4 - 33 Hasil Penjualan paket wisata oleh yang diperoleh 100 Biro Perjalanan Wisata (BPW), ditabelkan sebagai berikut:

Hasil Penjualan(Juta Rupiah)

JumlahBiro Perjalanan Wisata

40 - 49,950 - 59,960 - 69,970 - 79,980 - 89,990 - 99,9

842251582

Total 100



UKURAN LETAK

5.1 Pengantar Dalam Bab 4 telah dipelajari mengenai ukuran nilai sentral, seperti rata-rata

hitung, median, modus, rata-rata ukur dan rata-rata harmonis. Nilai rata-rata itu adalah suatu nilai yang dapat mewakili nilai serangkaian data atau suatu distribusi frekuensi.

Dalam bab ini akan dipelajari mengenai ukuran letak (lokasi) selain median, yaitu kuartil, desil dan persentil. Nilai ukuran lokasi itu akan membagi serang-kaian data atau distribusi frekuensi menjadi beberapa bagian yang sama.

Tujuan bab ini. Setelah mempelajari bab ini peserta didik (mahasiswa)diha-rapkan dapat memahami ukuran letak, dapat menghitung dan dapat memberi-kan interpretasi terhadap nilainya.

5.2 Batasan Ukuran LetakUkuran letak adalah beberapa nilai yang letaknya sedemikian rupa dalam

suatu rangkaian data atau dalam suatu distribusi frekuensi sehingga nilai itu membagi rangkaian data atau distribusi frekuensi itu menjadi beberapa bagian yang sama. Ada empat ukuran letak yaitu median, kuartil, desil dan persentil. Median adalah ukuran letak (sebuah nilai) yang membagi serangkaian data atau suatu distribusi menjadi dua bagian yang sama, yaitu lima puluh persen (50%) dari keseluruhan data nilainya terletak di bawah (nilai) median dan lima puluh persen (50%) lagi nilainya terletak di atas (nilai) median.Median disamping merupakan salah satu dari ukuran nilai sentral, juga

5. Ukuran Letak

Nata Wirawan 113

merupakan salah satu ukuran letak. Median telah dibahas dalam Bab 4. Pada bagian ini akan dipelajari ukuran letak (lokasi) yang lainnya.

5.3 KuartilKuartil (K) adalah nilai-nilai yang membagi serangkaian data atau suatu

distribusi frekuensi menjadi empat (4) bagian yanga sama. Dengan demikian terdapat tiga kuartil yaitu kuartil pertama (K1), kuartil kedua (K2), dan kuartil ketiga (K3) .Kuartil Pertama (K1) adalah sebuah nilai yang menyatakan 25% dari keseluruhan data nilainya lebih kecil dari (nilai) K1 dan 75%-nya lagi nilainya lebih besar dari (nilai) K1Kuartil kedua (K2) adalah sebuah nilai yang menyatakan 50% dari keseluruhan data nilainya lebih kecil dari (nilai) K2 dan 50%-nya lagi nilainya lebih besar dari (nilai) K2. Jadi K2 sama dengan medianKuartil ketiga (K3) adalah sebuah nilai yang menyatakan 75% dari keseluruhan data memiliki nilai lebih kecil dari (nilai) K3, dan 25%-nya lagi memiliki nilai lebih besar dari (nilai) K3 Gambar menunjukkan letak ketiga kuartil K1, K2 dan K3 dalam suatu distribusi frekuensi.

Gambar 5.1 Letak K1, K2 dan K3 Dalam Suatu Dis-tribusi Frekuensi

Berdasarkan Gambar 5.1, dapat diketahui bahwa dua puluh lima persen (25%) dari keseluruhan data ada di bawah K1 dan tujuh puluh lima persen (75%) dari keseluruhan data ada di atas K1; Lima puluh persen (50%) dari keseluruhan data ada di bawah K2 dan lima puluh persen (50%) nya lagi ada di atas K2. Demikian juga untuk K3, tujuh puluh lima persen (75%) dari keseluruhan data ada di bawah K3 dan dua puluh lima persen (25%) nya lagi ada di atas K3 .

5.3.1 Kuartil data yang belum dikelompokkan Tahapan perhitungannya sebagai berikut:

(1) Susunlah data dari nilai yang terkecil sampai dengan nilai yang terbesar atau sebaliknya.

(2) Menentukan letak kuartil ( ) Rumus yang digunakan:

= 4

)1( +nx (5.1)

5. Ukuran Letak


(x = 1, 2 dan 3) = letak kuartil yang ke-x n = banyaknya data

(3) Menghitung nilai kuartil ke-x (Kx).

(i) Bila xKL merupakan bilangan utuh (bulat positif).

Maka, nilai kuartil ke-x (Kx) = nilai data dengan urutan ke 4

)1n(x +

(ii) Bila xKL tidak merupakan bilangan utuh (Lihat lebih lanjut Subab 5.6)

Contoh 5 - 1Nilai deposito (dalam juta rupiah) dari sampel acak sebelas deposan telah disusun sebagai berikut : 18 19 20 23 24 25 27 30 32 35 dan 36.

Tentukanlah (a) K1, dan berikanlah interpretasi.(b) K2, dan berikanlah interpretasi.

PenyelesaianOleh karena datanya telah diurut dari nilai yang terkecil sampai dengan nilai yang terbesar, maka langsung dapat ditentukan letak K1 dan K2 sebagai be-rikut :(a) K1 = ,,,? Letak K1

n = 11, x = 1

= 4

)1( +nx =

4)111(1 +

= 3

Letak kuartil pertama (K1 ), yaitu pada data dengan urutan ketiga.Nilai K1 sama dengan nilai data urutan ketiga, yaitu 20. Jadi, K1 = 20

Interpretasi nilai K1. Nilai K1 = 20, memiliki arti kurang-lebih 25% dari seluruh (sampel) deposan tersebut memiliki deposito yang nilainya lebih kecil dari Rp 20 juta, dan sisanya lagi yaitu 75% memiliki deposito dengan nilai lebih besar dari Rp 20 juta.

(b) K2 = ...? Letak K2 n = 11, dan x = 2

= 4

)1( +nx =

4)111(2 + = 6

5. Ukuran Letak

Nata Wirawan 115

Letak kuartil kedua (K2), yaitu pada data dengan urutan ke-6Nilai K2 sama dengan nilai data urutan ke-6 yaitu 25. Jadi, K2 = 25

Interpretasi nilai K2. Nilai K2 = 25, artinya kurang-lebih 50% dari seluruh

(sampel) deposan tersebut memiliki deposito yang nilainya kurang dari atau paling tinggi Rp 25 juta, dan 50% nya lagi memiliki deposito dengan nilai lebih besar dari atau paling rendah Rp 25 juta.

5.3.2 Kuartil data yang telah dikelompokkanBila datanya telah dikelompokkan atau telah disusun dalam distribusi fre-

kuensi atau tabel frekuensi, maka kuartil sekelompok data tersebut dapat dihi-tung melalui tahapan berikut :

(1) Menentukan letak kuartil ( )Letak kuartil ke-x ditentukan dengan rumus:

= (5.2)

(x = 1, 2 dan 3)

= letak kuartil yang ke-x n = banyaknya data

(2) Menghitung nilai kuartil (Kx) Nilai kuartil ke-x dihitung dengan rumus:

Kx = Lx +

x c (5.3)

(x = 1, 2 dan 3)

Kx = kuartil ke-x, Lx = tepi bawah kelas dari kelas terdapatnya kuartil ke-x

= frekuensi absolut kelas terdapatnya kuartil ke-x

n = banyaknya data/ukuran sampel c = interval kelas

= frekuensi komulatif kelas sebelum kelas terdapatnya kuartil ke-x

= letak kuartil yang ke-x

Contoh 5 - 2Besar omzet penjualan (dalam juta rupiah) sampel acak 70 toko dalam sebuah komplek pertokoan di Kota Denpasar pada bulan lalu, disajikan sebagai berikut:

5. Ukuran Letak


Tabel 5.1 Omzet Penjualan 70 Toko dari Sebuah Komplek Pertokoan di Kota Denpasar

Omzet Penjualan(Juta Rupiah)

BanyaknyaToko (Unit)

20 - 2930 - 3940 - 4950 - 5960 - 6970 - 7980 - 89

147

1325155


Berdasarkan data pada Tabel 5.1, hitunglah (a) Kuartil pertama (K1), dan berikanlah interpretasi(b) Kuartil ketiga (K3 ), dan berikanlah interpretasi

Penyelesaian

Tabel 5.1a Cara Menghitung K1 dan K3 dari Omzet Penjual an 70 Toko dalam Sebuah Komplek Pertokoan.

Omzet Penjualan(Juta Rupiah)

Banyaknya(fi )

Tepi kelas fC

20 - 29

30 - 39

40 - 49

50 - 59

60 - 69

70 - 79

80 - 89

1

4

7

13

25

15

5

19,5

29,5

39,5

49,5

59,5

69,5

79,5

89,5

0

1

5

12

25

50

65

70

(a) Menghitung nilai K1 dan memberikan interpretasi terhadap nilai K1 • Letak K1 ( )

x = 1, n = 70

=

= 17,5

Letak K1 yaitu antara frekuensi komulatif 12 dan 25 pada kelas ke-4 (kelas nyata) adalah 49,5 - 59,5. (lihat Tabel 5.2)

5. Ukuran Letak

Nata Wirawan 117

• Nilai K1 L1 = 49,5 c = 10 = 12 = 13

= 17,5


Kx= Lx + x c

K1= L1 + x c

= 49,5 + x 10

= 49,5 + 4,23 = 53, 73

Jadi, kuartil pertama (K1) = 53,73 juta rupiah. K1 = 53,73 juta rupiah, ar-tinya kurang lebih 25% dari seluruh sampel toko tersebut omzet penju-alannya kurang dari atau paling tinggi Rp 53,73 juta dan 75% nya lagi, omzet penjualan lebih dari atau paling rendah Rp 53,73 juta.

(b) Menghitung nilai K3 dan memberikan interpretasi terhadap nilai K3.• Letak K3 ( ) x = 3, dan n = 70

= = 52, 5

Letak K3 yaitu antara frekuensi komulatif 50 dan 65 pada kelas ke-6 (kelas nyata) adalah 69, 5 – 79, 5 (lihat Tabel 5.2)

• Nilai K3 L3 = 69,5 c = 10 = 50

fK3

= 15 LK3 = 52,5


K3 = L3 + x c

K3 = 69,5 + x 10

= 69,5 + 1,67 = 71,17

Jadi, kuartil ketiga (K3) = Rp 71,17 juta. K3 = Rp 71,17 juta, artinya ku-rang-lebih 75% dari seluruh sampel toko tersebut omzet penjualannya

5. Ukuran Letak


kurang dari Rp 71,17 juta dan 25% nya lagi omzet penjualannya lebih dari Rp 71,17 juta.

5.4 DesilDesil (D) adalah nilai-nilai yang membagi serangkaian data atau suatu

distribusi frekuensi menjadi sepuluh bagian yang sama. Dengan demikian terdapat sembilan ukuran desil yaitu D1, D2, D3, . . . ., dan D9 Gambar 5.2 menunjukkan letak kesembilan desil D1, D2, D3, . . . , dan D9 dalam suatu distribusi frekuensi.

Gambar 5.2 Letak kesembilan desil dalam suatu distribusi frekuensi

Desil Pertama (D1) adalah sebuah nilai yang membagi serangkaian data atau suatu distribusi frekuensi sehingga 10% dari seluruh data nilainya kurang dari nilai D1 dan 90% nya lagi nilainya lebih besar dari nilai D1.Desil kedua (D2) adalah sebuah nilai yang membagi serangkaian data atau suatu distribusi frekuensi sehingga 20% dari seluruh data nilainya kurang dari nilai (D2) dan 80% nya lagi nilainya lebih besar dari nilai (D2). Desil kelima (D5) adalah sebuah nilai yang membagi serangkaian data atau suatu distribusi frekuensi sehingga 50% dari seluruh data nilainya kurang dari nilai (D5) dan 50% nya lagi nilainya lebih besar dari nilai (D5). Jadi, D5 sama dengan medianSecara umum dapat diberi batasan sebagai berikut :Desil ke-x (Dx) dengan x = 1, 2, 3 ..., 9 adalah sebuah nilai yang membagi serangkaian data atau suatu distribusi frekuensi sehingga 10x% dari seluruh data nilainya kurang dari nilai (Dx) dan (100% - 10x%) dari seluruh data tersebut memiliki nilai lebih besar nilai (Dx)

5.4.1 Desil data yang belum dikelompokkanTahapan perhitungannya sebagai berikut:

(1) Menyusun data tersebut dari nilai terkecil sampai yang terbesar atau sebaliknya(2) Menentukan letak desilnya (LDx) Letak desil ke-x ditentukan dengan rumus:

x(n+1) = –––––––––– (5.4) 10 (x = 1, 2, 3, ... 9)

5. Ukuran Letak

Nata Wirawan 119

= letak desil yang ke-x ,n = Banyaknya data

(3) Menghitung nilai Desil ke-x (Dx).

(i) Bila xDL merupakan bilangan utuh (bulat positif)

Maka, nilai desil ke-x (Dx) = nilai data dengan urutan ke 10

)1( +nx

(ii) Bila xDL tidak merupakan bilangan utuh (Lihat lebih lanjut Subab 5.6)

Contoh 5 - 3Harga per lembar saham (dalam ribu rupiah) dari 29 perusahaan yang diambil sebagai sampel acak, disajikan sebagai berikut:

15 15 16 20 21 22 23 24 27 28 30 30 31 3132 33 34 35 36 36 37 37 38 39 39 40 41 43 43

Hitunglah :(a) D1 , dan berikanlah interpretasi(b) D7, dan berikanlah interpretasi

Penyelesaian(a) Menghitug dan memberikan interpretasi terhadap D1 Data tersebut telah disusun dari nilai terkecil sampai nilai terbesar.

Letak D1 x = 1, dan n = 29

= = 3

Letak desil pertama (D1), yaitu pada data dengan urutan ke-3

Nilai D1 Nilai D1 sama dengan nilai data dengan urutan ke-3 yaitu 16 (Rp 16

ribu). Interpretasi. Nilai D1 = Rp 16 ribu artinya kurang-lebih 10% dari ke-

seluruhan sampel yang berupa saham tersebut harga per lembarnya ku-rang dari Rp 16 ribu dan 90% nya lagi harga per lembarnya lebih dari Rp16 ribu

(b) Menghitung dan memberikan interpretasi terhadap D7 Letak D7 x = 7, dan n = 29

=

= = 21

Nilai D7 Nilai D7 sama dengan nilai data dengan urutan ke -21 yaitu 37 (Rp 37

ribu).

5. Ukuran Letak


Interpretasi. Nilai D7 = Rp 37 ribu artinya kurang-lebih 70% dari ke-seluruhan sampel harga per lembar nya kurang dari Rp 37 ribu dan 30% nya harga per lembarnya lebih dari Rp 37 ribu.5.4.2 Desil data yang telah dikelompokkanBila datanya telah dikelompokkan atau telah disusun dalam distribusi

frekuensi atau tabel frekuensi, maka desilnya dapat dihitung melalui tahapan sebagai berikut:(1) Menentukan letak desil ke-x (LDx) Rumus yang digunakan:

= (5.5)

(2) Menghitung nilai desil ke-x (Dx) Rumus yang digunakan:

Dx = Lx + x c (5.6)

(x = 1, 2, 3, . . ., 9)

Dx = desil ke-x, c = interval kelas Lx = tepi bawah kelas dari kelas terdapatnya desil ke-x = frekuensi absolut kelas terdapatnya desil ke-x n = banyaknya data/pengamatan/ukuran sampel = letak desil ke-x = frekuensi komulatif kelas sebelum kelas terdapatnya desil ke-x

Contoh 5 - 4Laba yang diperoleh pada bulan Maret 2011, oleh 200 perusahaan yang bergerak di bidang realstate, hasil survei sampling di suatu wilayah, dikelompokkan sebagai berikut (data hipotetis):

Laba (Juta Rupiah) Banyak Perusahaan (unit)50 - 99

100 - 149150 - 199200 - 249250 - 299300 - 349350 - 399

20132675301224

Total 200Hitunglah:(a) D3 , serta berikanlah interpretasi.(b) D8, serta berikanlah interpretasi.(c) Tentukanlah batas-batas nilai laba 20% teratas/terbesar.

5. Ukuran Letak

Nata Wirawan 121

Penyelesaian

Tabel 5.3 Cara Menghitung D3 dan D8 Laba 200 Perusahaan Real Estate Laba (Juta Rupiah) fi Tepi Kelas fc

50 - 99100 - 149150 - 199200 - 249250 - 299300 - 349350 - 399

201326

75 30

1224

49,599,5149,5199,5249,5299,5349,5399,5

0203359134164176200

LD3LD8

Total 200

(a) Menghitung D3 dan memberikan interpretasi terhadap nilai D3Letak D3 x = 3, dan n = 200

=

→

3DL = = 60

Letak D3 antara frekuensi komulatif 59 dan 134 yaitu pada kelas ke-4 (ke-las nyata) adalah 199,5 – 249,5 (lihat Tabel 5.3) Lx = L3 = 199,5 c = 50

= = 75 = 59

Nilai D3Per rumus (5.6) nilai D3 dihitung dan didapat,

D3 = L3 + 3

33)(

D

CD

ffL −

x c

= 199,5 + x 50

= 199,5 +

= 199,5 + 0, 6666 = 200,17Jadi, D3 = 200,17 juta rupiah.

D3 = Rp 200,17 juta, artinya kurang-lebih 30% dari sampel tersebut (ku-rang lebih 60 perusahaan) memperoleh laba pada bulan Maret 2011 ku-rang dari 200,17 juta rupiah dan 70% nya lagi (kurang lebih 140 perusaha-an) memperoleh laba lebih dari 200,17 juta rupiah.

5. Ukuran Letak


(b) Menghitung dan memberikan interpretasi terhadap nilai D8 Letak D8 x = 8, dan n = 200

= 10)200(8 = 160

Letak D8 antara frekuensi komulatif 134 dan 164, yaitu pada kelas ke-5 (kelas nyata) adalah 249,5 – 299,5 (lihat Tabel 5.3). Lx = L8 = 249,5 c = 50

= = 30

= = 134 = 160

Nilai D8 Per rumus (5.6) nilai D8 dihitung dan didapat,

D8 = L8 + x c

= 249,5 + x 50 = 292,83 Jadi, D8 = Rp 292,83 juta. Nilai D8 = Rp 292,83 juta, artinya kurang-le-

bih 80% dari seluruh sampel tersebut (kurang lebih 160 perusahaan) pada bulan Maret 2011, memperoleh laba kurang dari Rp 292,83 juta dan 20%-nya (kurang lebih 40 perusahaan) lagi memperoleh laba lebih dari Rp 292,83 juta.

(c) Batas-batas nilai laba 20% teratas/terbesar adalah berkisar antara Rp 292,83 juta (batas bawah) hingga Rp 399,5 juta (batas atas yaitu tepi atas kelas ketujuh /tepi atas kelas yang terakhir).

5.5 PersentilPersentil (P) adalah nilai-nilai yang membagi serangkaian data atau suatu

distribusi frekuensi menjadi 100 bagian yang sama. Dengan demikian terdapat 99 persentil yaitu P1, P2 , P3, . . . dan P99

Gambar 5.3, menunjukkan letak ke-99 persentil tersebut P1, P2, P3, . . . dan P99, dalam suatu distribusi frekuensi.

Gambar 5.3 Letak P1 P2 P3 ... P99 dalam suatu distribusi frekuensi

5. Ukuran Letak

Nata Wirawan 123

Persentil Pertama (P1) adalah sebuah nilai yang membagi serangkaian data atau suatu distribusi frekuensi sehingga satu persen (1%) dari keseluruhan data nilainya kurang dari nilai (P1) dan sembilan puluh sembilan persen (99%) nya lagi memiliki nilai lebih dari nilai (P1).

Persentil Kedua (P2) adalah sebuah nilai yang membagi serangkaian data atau suatu distribusi frekuensi sehingga dua persen (2%) dari seluruh data nilainya kurang dari nilai (P2) dan sembilan puluh delapan persen (98%) nya lagi memiliki nilai lebih besar dari nilai (P2).

Persentil Kelima Puluh (P50) adalah sebuah nilai yang membagi serang-kaian data atau suatu distribusi frekuensi sehingga lima puluh persen (50%) dari seluruh data nilainya kurang dari nilai (P50) dan lima puluh persennya lagi (50%) nya lagi memiliki nilai lebih besar dari nilai (P50). Dengan demikian, Median = D5 = P50

Secara umum dapat ditetapkan batasan sebagai berikut:Persentil ke-x (Px) dengan x = 1, 2, 3 ..., dan 99 adalah sebuah nilai yang

membagi serangkaian data atau suatu distribusi frekuensi sehingga x% dari seluruh data nilainya kurang dari nilai (Px), dan (100% - x%) dari seluruh data tersebut memiliki nilai lebih besar dari nilai (Px).

Menghitung Persentil serangkaian data atau suatu distribusi frekuensi, pada dasarnya sama dengan cara menghitung kuartil dan desil.

5.5.1 Persentil data yang belum dikelompokkan Tahapan perhitungannya sebagai berikut:

(1) Menyusun data dari nilai terkecil sampai yang terbesar atau sebaliknya.(2) Menentukan letak persentil ke-x ( ) Letak persentil ke-x ditentukan dengan rumus:

= 100

)1( +nx (5.7)

(3) Menghitung nilai Persentil ke-x (Px).(i) Bila

xPL merupakan bilangan utuh (bulat positif) Maka, nilai persentil ke-x (Px) = nilai data dengan urutan ke 100

)1( +nx

(ii) Bila xPL tidak merupakan bilangan utuh (Lihat lebih lanjut Subab 5.6)

Nilai persentil ke-x sama dengan nilai data urutan ke 100

)1( +nx

Contoh 5 - 5Tingkat hunian (dalam %) sembilan hotel bintang 5 yang disurvei baru-baru ini, hasilnya sebagai berikut:

85 70 65 82 65 60 90 80 75Hitunghlah P30 dan berikanlah interpretasi.

Penyelesaian Susun terlebih dahulu data tersebut dari nilai terkecil sampai nilai terbesar, sebagai berikut :

60 65 65 70 75 80 82 85 90

5. Ukuran Letak


Letak P30 , x = 30, dan n = 9

=

100)19(30 +

= 3

Nilai P30Nilai P30 sama dengan nilai data urutan ketiga yaitu 65. Jadi, P30= 65%.Nilai P30 = 65%, artinya kurang-lebih 30% dari seluruh data (sembilan tingkat hunian tersebut) nilainya kurang dari 65% dan 70% nya lagi nilainya lebih dari 65% .

5.5.2 Persentil data yang telah dikelompokkan Bila datanya telah disusun dalam suatu distribusi frekuensi atau tabel

frekuensi, persentilnya dapat dihitung melalui tahapan sebagai berikut:

(1) Menentukan letak persentil ke-x ( ) Letak persentil ke-x ditentukan dengan rumus:

= (5.8)

(2) Menghitung nilai persentil ke-x (Px) Nilai persentil ke-x dihitung dengan rumus:

Px = Lx + x c (5.9)

(x = 1, 2, 3,. . . , 99)

Px = nilai persentil yang ke-x = letak persentil yang ke-x

n = banyak data/pengamatan/ukuran sampelLx = tepi bawah kelas dari kelas terdapatnya persentil yang ke-x

= frekuensi (absolut) kelas terdapatnya persentil yang ke-x

= frekuensi komulatif kelas sebelum kelas terdapatnya persentil yang ke-x

Contoh 5 - 6Hasil survei tentang pendapatan bersih per bulan 600 usaha salon kecantikan yang diambil secara acak di sebuah kota adalah sebagai berikut:

5. Ukuran Letak

Nata Wirawan 125

Pendapatan Bersih(Juta Rupiah

Banyak Usaha Salon (unit)

5,0 - 5,96,0 - 6,97,0 - 7,98,0 - 8,99,0 - 9,9

10,0 - 10,911,0 - 11,9

202962

15212615061

Total 600Sumber: Data hepotetis

(a) Hitunglah P30, berikan interpretasi.(b) Hitunglah P60, berikan interpretasi.

Penyelesaian Tabel 5.3 Cara menghitung P30 dan P60

Pendapatan Bersih (Juta Rupiah) f Tepi kelas nyata fc

5,0 - 5,9

6,0 - 6,9

7,0 - 7,9

8,0 - 8,9

9,0 - 9,9

10,0 - 10,9

11,0 - 11,9

20

29

62

152 126

150

61

4,95

5,95

6,95

7,95

8,95

9,95

10,95

11,95

0

20

49

111

263

389

539

600Total 600

(a) Menghitung P30 dan interpretasinya

Letak P30

x = 30 , n = 600

Letak P30 → = = 180

Letak P30 antara frekuensi komulatif 111 dan 263, pada kelas ke-4 (kelas nyata) adalah 7,95 – 8,95 (lihat Tabel 5.4).

Lx = L30 = 7,95 = = 111

=

= 152 c = 1

Per rumus (5.9) P30 dihitung dan didapat,

5. Ukuran Letak


Px = Lx + . c

P30 = L30 + x c

= 7,95 + x 1

= 7,95 + 0,4539 = 8,4039 Jadi, P30 = Rp 8,4039 juta. = Rp 8,4039 juta.

Nilai P30 = Rp 8,4039 juta artinya kurang-lebih 30% dari sampel salon kecanti-kan tersebut pendapatan bersih per bulannya kurang dari Rp 8,4039 juta dan 70%-nya lagi pendapatan bersih per bulannya lebih dari Rp 8,4039 juta.

(b) Menghitung P60 dan interpretasinya

Letak P60

x = 60 , n = 600

Letak P60 → = = 360

Letak P60 antara frekuensi komulatif 263 dan 389, yaitu pada kelas ke-5, kelas nyatanya adalah 8,95 - 9,95 (lihat Tabel 5.4 )

Lx = L60 = 8,95 = = 263

= = 126 c = 1

Per rumus (5.9) P60 dihitung dan didapat

Px = Lx + x c

P60 = L60 + x c = 89,5 +

x 1

= 8,95 +0,7698 = 9,7198

Jadi, P60 = Rp 9,7198 juta rupiah.

Nilai P60 = Rp 9,7198 juta artinya kurang-lebih 60% dari sampel salon kecanti-kan tersebut pendapatan bersih per bulannya kurang dari Rp 9,7198 juta dan 40%-nya lagi lebih dari Rp 9,7198 juta.

5. Ukuran Letak

Nata Wirawan 127127 Statistika Ekonomi dan Bisnis (Statistik Deskriptif)

Contoh 5 –7 Hasil survei sampel acak mengenai penilaian tamu terhadap layanan 120 hotel berbintang di suatu daerah didapat hasil sebagai berikut:

Nilai Layanan Banyak Hotel (Unit)(fi)

40 – 4950 – 5960 – 6970 – 7980 – 8990 – 99

5251550205

Total 120

(a) Pemerintah akan memberikan penghargaan kepada 20 persen hotel den-gan nilai layanan terbaik, berapa nilai terendah dari hotel yang akan dibe-rikan penghargaan.

(b) Terhadap hotel dengan nilai 30% terendah, pemerintah akan mengadakan loka karya dan pelatihan gratis dalam upaya meningkatkan layanan hotel. Berapa nilai tertinggi dari hotel yang akan diberikan loka karya dan pela-tihan gratis?

PenyelesaianUntuk menjawab soal ini, dapat digunakan rumus desil dapat juga digunakan rumus persentil. Soal ini akan diselesaikan dengan rumus persentil.(a) 20 % nilai layanan terbaik berarti dihitung 20% dari atas dan sisanya 80%

dari bawah. Jadi yang dicari adalah P80, dan bukan P20.(b) 30% nilai terendah artinya dihitung 30% dari bawah ke atas. Jadi yang

dihitung adalah P30.Tabel 5.4 Cara menghitung P80 dan P30 Pendapatan Bersih

(Juta Rupiah) f Tepi kelas nyata fC

40 – 49

50 – 59

60 – 69

70 – 79

80 – 89

90 – 99

5

25

15

50

20

5

39,5

49,5

59,5

69,5

79,5

89,5

99,5

0

5

30

45

95

115

120

40PL

80PL

Total 120

5. Ukuran Letak


(a) Menghitung P80 x = 80 , n = 120

Letak P80 → 80PL =

100)120(80 = 96

Letak P80 antara frekuensi komulatif 95 dan 115, pada kelas ke-5 (kelas nyata) adalah 79,5 – 89,5 (lihat tanda panah dalam tabel)

Lx = L80 = 79,5 = 80Cf = 95

80Pf = 80Pf = 20 c = 10

Nilai P80Per rumus (5.9) didapat,

Px = Lx + . c

P30 = L80 + ⎟⎟⎠

⎞⎜⎜⎝

⎛ −

80

8080

P

CP

ffL

x c

= 79,5 + ⎟⎠

⎞⎜⎝

⎛ −209596 x 10

= 79,5 + 0,5 = 80

Jadi, P80 = 80

Jadi, nilai terendah bagi hotel yang akan diberikan penghargaan oleh pemerintah adalah 80. Jika ditanya lebih lanjut, berapa unit hotel yang mendapat penghargaan? Jawabanya dalah sebanyak 20% x 120 unit = 24 unit.

(b) Menghitung P30

x = 30 , n = 120

Letak P30 → 100

)120(30 = 100

)120(30 = 36

Letak P30 antara frekuensi komulatif 30 dan 45, yaitu pada kelas ke-3, kelas nyatanya adalah 59,5 – 69,5 (lihat tanda panah dalam tabel).

Lx = L30 = 59,5 = 40Cf = 30

= 40Pf = 15 c = 10

5. Ukuran Letak

Nata Wirawan 129

Nilai P30 Per rumus (5.9) didapat,

Px = Lx + x c

P30 = L30 +

−

340

3030

P

CP

ffL

x c

= 59,5 + ⎟⎠

⎞⎜⎝

⎛ −153036 x 10

= 59,5 + 4 = 63,5

Jadi, yang diberikan loka karya dan seminar gratis oleh pemerintah adalah hotel yang mendapat nilai paling tinggi 63,5. Jika ditanya lebih lanjut, berapa jumlah hotel yang mendapat loka karya dan seminar gratis? Jawabannya dalah sebanyak 30% x 120 = 36 unit.

5.6 Ukuran Letak Data yang Belum Dikelompokkan dengan Letak Bukan Bilangan Bulat (Utuh)

Dimuka telah dipelajari menghitung kuartil, desil dan persentil data yang belum dikelompokkan yang letaknya merupakan bilangan utuh (bulat positif). Lalu bagaimana kalau letaknya bukan merupakan bilangan utuh?

Bila letak Kx, Dx dan Px bukan merupakan bilangan utuh yaitu terletak pada (i + k), i = bilangan utuh dan k = bilangan pecahan < 1 atau desimal <1, maka nilai Kx, Dx dan Px dihitung dengan pendekatan yang dilakukan oleh Lind et al., (2008), yang dapat dirumuskan sebagai berikut:

Nilai Kx, Dx dan Px = )( )1( iii xxkx −+ + (5.10)

xi = nilai data urut yang ke i, x(i + 1) = nilai data urut ke-(i + 1)

Contoh 5-8Data berikut adalah data jumlah kamar 15 hotel berbintang (unit) di sebuah kota

30 35 40 44 54 60 65 70 74 78 80 84

Tentukanlah : (a) K3, (b) D5 dan (c) P30.

Penyelesaian 30 35 40 46 54 60 65 70 74 78 80 84 x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 n = 12

5. Ukuran Letak


(a) K3 = ...?

Letak K3 → L3K =

4)112(3 + = 9,75

Letak K3 antara data urut yang ke-9 dan data urut yang ke-10. Dalam hal ini, i = 9 dan k = 0,75.

Maka, K3 = x9 + 0,75 (x10 – x9) = 74 + 0,75 (78 - 74) = 77

Jadi K3 = 77 unit

(b) D5 = ...? Letak D5 5D L

5D = 10

)112(5 + = 6,5

Letak D5 antara data urut yang ke-6 dan data urut yang ke-7. Dalam hal ini, i = 6 dan k = 0,5

Maka, D5 = x6 + 0,5 (x7 – x6) = 60 + 0,5 (65 – 60) = 62,5

Jadi D5 = 62,5 = 63 unit (dibulatkan)

(c) P30 = ...? Letak P30 → L

30P = 100

)112(30 + = 3,9

Letak P30 antara data urut yang ke-3 dan data urut yang ke-4. Dalam hal ini, i = 3 dan k = 0,9

Maka, P30 = x3 + 0,9 (x4 – x3) = 40 + 0,9 (46 – 40) = 45,4

Jadi P30 = 45,4 = 45 unit (dibulatkan)

5. Ukuran Letak

Nata Wirawan 131

Soal-soal Latihan

5 –1 Data berikut adalah data deposito (juta rupiah) dari 17 deposan sebuah bank umum

45 48 55 62 70 74 80 86 90 95 100 120 125 130 145 145 150

Tentukanlah (a) K2, (b) D3 dan (c) P65 serta berikan interpretasi.

5 –2 Data berikut adalah pendapatan bersih per bulan (puluh juta rupiah) dari 20 hotel bintang 3 dan 4 di sebuah kota metropolitan

50 55 60 64 65 75 80 82 86 90 92 95 97 100 102 105 108 112 115 120

Tentukanlah (a) K3, (b) D2 dan (c) P45 serta berikan interpretasi. (Petunjuk : Gunakan rumus 5.10).

5 - 3 Sebuah survei dilakukan untuk mengetahui pendapatan mingguan para pedagang asongan di sebuah kota. Dari sampel acak 100 pedagang asongan diperoleh hasil sebagai berikut (satuan data dalam puluh ribu rupiah).

10 15 25 30 12 14 28 22 14 13 20 14 20 15 28 25 12 17 13 26 16 12 21 16 30 24 14 13 17 28 15 16 14 17 19 19 20 16 18 12 13 16 17 10 28 25 24 21 15 18 17 12 24 16 32 24 15 13 17 29 25 14 22 15 26 25 32 17 13 26 21 17 20 18 28 24 12 19 14 27

(a) Buatlah tabel frekuensinya(b) Berdasarkan poin (a), hitunglah K1, K2 dan K3 serta berikan

interpretasi terhadap masing-masing nilai tersebut.(c) Berdasarkan poin (a), hitunglah D2 dan D4, serta berikan interpretasi (d) Berdasarkan poin (a), hitunglah P4 dan P50, dan berikan interpretasi(e) Jika 30% dari sampel acak (pedagang asongan) pendapatan

ming guannya dikategorikan rendah, tentukanlah pendapatan tertingginya.

(f) Jika 10% para pedagang asongan tersebut dianggap kelompok yang pendapatan mingguannya tinggi, tentukanlah batas-batas pendapatan mingguannya.

5. Ukuran Letak


5 - 4 Berikut ini adalah data mengenai nilai Ebtanas dari 200 siswa SMU di se buah kota (data hipotetis).

NilaiEbtanas

Banyak Siswa(Orang)

20 - 2930 - 3940 - 4950 - 5960 - 6970 - 7980 - 8990 - 99

171210386640125

Total 200

(a) Jika 5% para siswa dengan nilai terbaik akan diberikan beasiswa, tentukanlah nilai terendah dari para siswa dengan nilai terbaik tersebut.

(b) Jika direncanakan 60% dari para siswa tersebut akan diluluskan, tentukanlah nilai terendah dari para siswa yang akan diluluskan tersebut.

(c) Jika direncanakan 20% dari para siswa tersebut tidak akan diluluskan, tentukanlah nilai tertinggi dari para siswa yang tidak akan diluluskan.

5 - 5 Data di bawah ini adalah hasil survei mengenai laba bersih per bulan dari sampel acak 60 minimarket di suatu wilayah (satuan data juta rupiah).

20 14 20 16 28 25 12 26 13 17 16 12 21 15 30 24 14 13 17 28 25 16 17 10 28 13 24 21 15 18 12 17 24 16 32 24 15 13 29 17 25 14 22 15 26 25 32 17 13 27 21 17 20 18 28 24 12 19 14 26

(a) Susunlah tabel frekuensinya dalam 5 kelas.(b) Hitunglah K1, K2 dan K3 serta berikan interpretasi terhadap masing-

masing nilai tersebut.(b) Hitunglah D2 dan D5, serta berikan interpretasi. (c) Hitunglah P4 dan P50, dan berikan interpretasi.(d) Jika 20% dari laba-laba minimarket tersebut dikategorikan rendah,

tentukanlah batas-batasnya (batas bawah dan batas atas).(e) Tentukanlah batas-batas bagi 10% dari kelompok laba yang

dikategorikan tinggi.

5. Ukuran Letak

Nata Wirawan 133

5 - 6 Umur pekerja yang baru dipekerjakan dan belum mempunyai keahlian dikelompokkan ke dalam tabel frekuensi berikut:

Umur (Tahun)

Banyak Pekerja(Orang)

16 - 2021 - 2526 - 3031 - 3536 - 40

172310246

Total 70

(a) Hitunglah D3 dan K3, berikan interpretasi(b) Htunglah P50, dan berikan interpretasi

5 - 7 Data yang disajikan dalam tabel frekuensi di bawah ini merupakan data harga per lembar saham dari 50 perusahaan di Bursa Efek Jakarta pada akhir tahun lalu (data hipotetis).

Harga per lembar(Ribu Rupiah)

Banyak Saham(Lembar)

1 - 1,992 - 2,993 - 3,994 - 4,995 - 5,996 - 6,997 - 7,998 - 8,99

4119

137687

Total 65

(a) Hitunglah D4 dan K3, berikan interpretasi.(b) Htunglah P50 dan D3, berikan interpretasi.(c) Hitunglah K2 dan D5, dan berikan interpretasi.

5 - 8 Hasil survei tentang penghasilan bersih 250 usaha kecil menengah (UKM) per bulan di suatu daerah ditunjukkan oleh tabel frekuensi berikut.

Penghasilan Bersih(Juta Rupiah)

Banyak UKM (Unit)(fi)

2,00 – 2,993,00 – 3,994,00 – 4,995,00 – 5,996,00 – 6,997,00 – 7,998,00 – 8,999,00 – 9,99

81021458055256

Total 250

5. Ukuran Letak


Bila UKM tersebut digolongkan ke dalam tiga kategori yaitu 40% UKM dengan laba bersih rendah, 40% UKM dengan laba bersih sedang dan 20 % UKM dengan laba bersih tinggi. Tentukanlah batas - batas laba bersih (batas bawah dan batas atas) bagi ketiga kategori UKM tersebut.

5 - 9 Hasil pencatatan atas frekuensi harian penggunaan sebuah mesin ATM yang berlokasi di salah satu pusat pembelanjaan dalam delapan bulan (240 hari) terakhir, disajikan sebagai berikut:

Frekuensi PengunaanMesin (kali)

Banyaknya Pengguaan (kali)

10 - 1920 - 2930 - 3940 - 4950 - 5960 - 6970 - 7980 - 89

1542183820602225

(a) Hitunglah D3 dan K3, serta berikan interpretasi.(b) Htunglah P50 dan D3, serta berikan interpretasi.

5 –10 Hasil penelitian tahun lalu, tentang lama menginap sampel acak 80 wisman yang berkunjung ke Bali, disajikan berikut.

Lama Menginap(Malam)

Banyak Wisman(Orang)

1,0 - 1,92,0 – 2,93,0 – 3,94,0 - 4,95,0 – 5,9

4 6352510

Total 80


Hitunglah K2, D4 dan berikan interpretasi.

5 –11 Data berikut ini adalah data mengenai skor nilai atas fasilitas yang dimiliki oleh 150 hotel melati yang dipilih sebagai sampel acak di suatu kawasan wisata. Penilaian atas fasilitas hotel melati ini dilaksanakan oleh pemerintah daerah.

5. Ukuran Letak

Nata Wirawan 135

Nilai Banyak Hotel(fi)

40 – 4950 – 5960 – 6970 – 7980 – 89

2040602010

Total 150

Pemerintah akan memberikan pinjaman tanpa bunga kepada 25 persen hotel dengan fasilitas terjelek, berapa nilai (skor) tertinggi dari hotel yang akan diberikan pinjaman tanpa bunga tersebut?

Terhadap hotel yang termasuk 10% dengan fasilitas terbaik akan diberikan kredit lunak (bunga sangat ringan dan jangka waktunya panjang) untuk mengembangkan usaha lain yang masih ada kaitannya dengan usaha perhotelan. Berapa nilai (skor) terendah bagi hotel yang mendapatkan kredit lunak tersebut?.

5 –12 Pada tahun 2014 kondisi ekonomi dunia melambat, termasuk ekonomi Indonesia. Kebanyakan perusahaan dengan susah payah mmepertahankan kinerjanya, bahkan banyak juga yang kolap. Hebatnya, ada juga beberapa perusahaan nasional yang mampu menciptakan laba ganda. Data di berikut ini adalah data 14 perusahaan yang mampu menciptakan pertumbuhan laba dobel/ganda.

No. Nama Perusahaan Pertumbuhan Laba(%)

1 Vale Indonesia 345,702 Kawasan Industri Jababeka 277,173 Pakuwon Jati 128,694 Lippo Karawaci 96,875 Indofood Sukses Makmur 50,636 Astra Argo Lestari 37,547 Alam Sutera Realty 32,318 PP (Persero) 26,479 Global Mediacom 25,2910 Gudang Garam 23,0711 Wijaya Karya 20,2512 BNI 19,5613 Siloan International Hospitals 18,9614 BCA 15,82

Sumber : Warta Ekonomi, Vol.XXVII, No.11, Th.2015. h.24. Diambil sebagian (selektif)

Hitunglah K1 dan D5 dan P25 dan K2 dari pertumbuhan laba tersebut


UKURAN PENYEBARAN

6.1 PengantarUntuk dapat mendeskripsikan sifat-sifat yang dimiliki oleh sekelompok

data, terutama dalam membandingkan sifat-sifat yang dimiliki oleh masing-masing data terhadap kelompoknya atau membandingkan sifat-sifat yang dimiliki sekelompok data relatif terhadap kelompok data lainnya, ukuran nilai sentral yang dibahas pada Bab 4, belum memberikan deskripsi yang mencukupi. Oleh karena itu, ukuran nilai sentral tersebut perlu dilengkapi de-ngan ukuran penyebaran (ukuran dispersi), yang juga disebut ukuran variasi. Dengan adanya ukuran variasi menyertai ukuran nilai sentral, maka gamba-ran sekelompok data akan menjadi lebih jelas. Misalnya, ada dua kelompok data dengan rata- rata hitung yang sama besar, akan tetapi nilai simpangan bakunya berbeda. Maka, kelompok data yang memiliki simpangan baku le-bih kecil menunjukkan data tersebar lebih dekat ke pusat datanya, dibanding penyebaran data dengan simpangan baku yang lebih besar. Selanjutnya rata--rata hitung dengan simpangan baku yang lebih kecil, lebih dapat diandalkan untuk mewakili kelompoknya.

Dalam bab ini akan dibahas mengenai ukuran penyebaran yaitu ukuran penyebaran absolut dan ukuran penyebaran relatif. Selain itu, dalam bab ini juga, dibahas Dalil Chebysev dan angka baku, Z

Tujuan bab ini. Setelah mempelajari bab ini, peserta didik (mahasiswa) diharapkan dapat memahami dengan baik tentang ukuran penyebaran, mam-pu menghitung dan memberikan interperetasi terhadap nilainya. Selain itu, mahasiswa diharapkan dapat memahami dalil Chebysev dan angka baku, dan mampu memberikan interpretasi terhadap nilainya.

6. Ukuran Penyebaran

Nata Wirawan 137

6.2 Pengertian dan Batasan Ukuran PenyebaranMisalkan, terdapat dua buah sampel cat tembok merk A dan merk B, de-

ngan ukuran sampel yang sama yaitu lima, setelah diteliti beratnya (dalam kg) diperoleh data sebagai berikut:

Sampel A 5,1 4,9 5,2 4,8 5,0 → = 5 Sampel B 5,0 5,9 4,1 4,3 5,7 → = 5

Kedua sampel memiliki rata-rata berat yang sama yaitu 5 kg. Akan tetapi berat cat tembok merk A lebih seragam dari pada merk B atau berat cat tem-bok merk B lebih bervariasi dari pada cat tembok merk A. Dengan kata lain, dapat dikatakan bahwa dispersi berat sampel cat tembok merk A dari rata-rata beratnya lebih kecil dari pada cat tembok merk B. Oleh karena itu, bila ingin membeli cat tembok yang beratnya sesuai dengan labelnya yaitu 5 kg, maka lebih percaya membeli cat tembok merk A.

Jadi, yang dimaksudkan dengan penyebaran atau dispersi suatu data adalah seberapa jauh suatu data berada atau menyebar dari pusat rangkaian/kelompok data tersebut. Dengan kata lain, seberapa besar beda masing- masing nilai data terhadap rata-rata nilai rangkaian/kelompok data tersebut. Ukur an yang menyatakan jauh dekatnya suatu data ke pusat (rata-rata ) se-rangkaian data disebut ukuran penyebaran. Semakin jauh letak suatu data dari pusat serangkaian datanya atau semakin besar beda antara nilai suatu data teradap nilai pusat data, maka semakin besar dispersi data tersebut.

Ada dua macam ukuran penyebaran, yaitu ukuran penyebaran absolut (range, deviasi kuartil, deviasi rata-rata dan deviasi standar), dan ukuran pe-nyebaran relatif (koefisien range, koefisien deviasi kuartil, koefisien deviasi rata-rata dan koefisien variasi).

6.3 Ukuran Penyebaran AbsolutUkuran penyebaran absolut adalah ukuran penyebaran yang hanya dapat

digunakan untuk melihat seberapa jauh (nilai) suatu data menyebar dari nilai pusat (rata-rata) serangkaian/kumpulan data tersebut, dan bukan untuk membandingkan variasi beberapa rangkaian/kumpulan data.

6.3.1 RangeRange (jarak=jangkauan) serangkaian data adalah selisih nilai (data) ter-

besar dengan nilai (data) yang terkecil dalam rangkaian data tersebut. Range merupakan ukuran variasi yang paling sederhana dan yang paling mudah dihitung

6.3.1-1 Range data yang belum dikelompokkanRange data tidak berkelompok dapat dihitung dengan rumus :

R = xn - xi (6.1)

R = Range/jarak/jangkauan xn = nilai data (pengamatan) terbesar x1 = nilai data (pengamatan) terkecil



Contoh 6 - 1Besarnya keuntungan yang diperoleh oleh seorang pedagang selama lima bulan terakhir (dalam juta rupiah) sebagai berikut :

5,0 5,1 6,0 6,3 7,0Hitunglah rangenya

Penyelesaian R = xn - x1 = 7,0 - 5,0 = 2,0Jadi, rangenya Rp 2 juta.

Contoh 6- 2Aset delapan (8) perusahaan yang dipetik dari laporan keuangan nya yang

telah dipublikasikan melalui media cetak (surat kabar) nasional adalah sebagai berikut (dalam miliar rupiah):

252 250 265 270 275 280 301 352Hitunglah rangenya.

Penyelesaian R = - = 352 - 252 = 100

Jadi, range-nya Rp 100 miliar

Contoh 6- 3Suatu sampel terdiri 5 penyalur mobil dengan merek tertentu disurvei jumlah mobil yang laku tahun lalu. Hasilnya (dalam unit) adalah sebagai berikut:

20 36 40 95 100Hitunglah jangkauannya

PenyelesaianR = xn - x1 = 100 - 20 = 80

Jadi, jangkauanya 80 unit

6.3.1-2 Range data yang telah dikelompokkan Bila datanya telah disusun dalam tabel frekuensi, rangenya dapat dihitung dengan rumus:

R = batas bawah kelas terakhir-atas bawah kelas pertama = nilai tengah tertinggi - nilai tengah terendah (6.2)


Nata Wirawan 139

Contoh 6- 4Data di bawah ini bersumber dari Tabel 5.1, hitunglah jangkauannya!

Omzet(Juta Rp) Banyaknya Nilai Tengah

(mi)20 - 2930 - 3940 - 4950 - 5960 - 6970 - 7980 - 89

147

1325155

24,534,544,554,564,574,584,5

Total 70 Sumber: Tabel 5.1

PenyelesaianBatas bawah kelas pertama adalah 20. Batas bawah kelas terakhir adalah 80. Maka jangkauannya

R = 80 - 20 = 60

atauNilai tengah kelas pertama adalah 24,5. Nilai tengah kelas terakhir adalah 84,5. Maka jangkauannya

R = 84,5 - 24,5 = 60

Jadi, jangkauannya adalah Rp 60 juta.

6.3.2 Deviasi kuartil Deviasi kuartil (QD) serangkaian data adalah selisih nilai kuartil ketiga (K3)

dan kuartil satu (K 1) dibagi dua. Untuk menghitung deviasi kuartil data tak berkelompok maupun data yang telah berkelompok dipakai rumus sebagai berikut:

QD = (6.3)

QD = deviasi kuartil K3 = nilai kuartil ke- 3 K1 = nilai kuartil ke- 1

Contoh 6- 5Hitunglah deviasi kuartilnya data pada Tabel 5.1.



Penyelesaian Dari hasil perhitungan Tabel 5.1a telah didapat K1 = 53,73 dan K3 = 71,17 Per rumus (6.3) didapat,

QD =

= = 8,72

Jadi, deviasi kuartil dari omzet penjualan 70 toko (sampel) tersebut adalah Rp 8,72 juta.

6.3.3 Deviasi rata-rataDeviasi rata-rata (AD) serangkaian data adalah rata-rata dari jumlah selisih

mutlak nilai data terhadap nilai rata-ratanya.

6.3.3-1 Deviasi rata-rata data yang belum dikelompokkan Deviasi rata-rata sampel dapat dihitung dengan rumus berikut:

AD = (6.4)

AD = Deviasi rata-rata , xi = Nilai data yang ke-i = rata-rata hitung n = Banyaknya data/pengamatan

Contoh 6- 6Pengeluaran per minggu 5 orang ibu rumah tangga (A, B, C, D dan E)untuk keperluan biaya hidup (dalam ratus ribu rupiah) pada tahun 2012, adalah sebagai berikut: 12 16 18 20 24Tentukanlah deviasi rata-ratanya

Penyelesaian Tabel 6.1 Cara Menghitung Deviasi Rata-rata Pengeluaran

5 Ibu Rumah Tangga (Ratus Ribu Rupiah)

Ibu Rumah Tangga

Pengeluaran Bulanan (x i )

xi - | xi - |

ABCDE

1216182024

- 6- 2026

62026

Total 90 0 16


Nata Wirawan 141

Dari Tabel 6.1dapat diketahui bahwa n = 5, ∑ ix = 90 dan∑ − xxi = 16.Terlebih dahulu dihitung , per rumus (4.1) didapat,

= 90 = ––––– 5 = 18

Selanjutnya per rumus (6.4) AD dihitung dan didapat,

AD =

=

= 3,2

Jadi, deviasi rata-rata biaya hidup ke 5 ibu rumah tangga adalah Rp 320 ribu. Nilai AD = Rp 320 ribu memiliki arti bawa secara rata-rata kelima pengeluaran biaya hidup tersebut menyimpang sebesar Rp 320 ribu dari nilai rata-ratanya.

6.3.3-2 Deviasi rata-rata data yang telah dikelompokkan Deviasi rata-ratanya dapat dihitung dengan rumus berikut :

AD =

(6.5)

AD = Deviasi rata-rata mi = Nilai tengah kelas ke-i = Rata-rata hitung n = Banyaknya pengamatan/ukuran sampel fi = Frekuansi absolut kelas ke-i

Contoh 6- 7Berdasarkan data pada Tabel 5.1 (Contoh 5-2), hitunglah deviasi rata-rata omzet penjualan 70 toko tersebut



Penyelesaian

Tabel 6.2 Cara Menghitung Deviasi Rata-rata Omzet Penjualan 70 Toko

Omzet Penjualan(Juta Rp) fi mi mi - fi | mi - | fi mi

20 - 2930 - 3940 - 4950 - 5960 - 6970 - 7980 - 89

147

1325155

24,534,544,554,564,574,584,5

- 37,43- 27,43- 17,43- 7,43 2,57

12,57 22,57

37,43109,2

122,0196,5964,25

188,55112,85

24,5138,0311,5708,5

1612,51117,5 422,5

Total 70 731,4 4.335Sumber : Tabel 5.1

Dari Tabel 6.2 dapat diketahui bahwa n = ∑ if = 70, ∑ ii mf = 4.335 Dihitung terlebih dahulu , per rumus (4.3) didapat,

=

=

= 61,93

Dari Tabel 6.2, dapat diketahui bahwa = 731,4Selanjutnya per rumus (6.5) AD dihitung dan didapat,

AD =

=

= 10,45Jadi, deviasi rata-rata omzet penjualan bagi 70 toko (sampel) tersebut adalah Rp 10,45 juta.

Interpretasi nilai AD. Nilai AD = Rp 10,45 juta memiliki arti bahwa secara rata-rata ketujuh puluh omzet penjualan toko tersebut menyimpang sebesar Rp10,45 juta dari nilai rata-ratanya (= Rp 61,93 juta.)

6.3.4 Variansi dan Deviasi standarUkuran variasi (dispersi) yang paling banyak digunakan dalam analisis

statistik ialah deviasi standar (simpangan baku). Deviasi standar/simpangan baku serangkaian/sekelompok data adalah akar kuadrat dari variansinya, atau


Nata Wirawan 143

sebaliknya variansi sekelompok data adalah pangkat dua dari simpangan bakunya. Yang dimaksudkan dengan variansi (keragaman) serangkaian atau sekelompok data adalah jumlah dari kuadrat deviasi masing-masing data terha-dap rata-rata hitungnya, dibagi banyaknya data atau pengamatan. Dengan kata lain, variansi adalah rata-rata hitung dari kuarat deviasi (selisih antara nilai data terhadap rata-rata hitung kelompok data tersebut) setiap data atau pengama-tan. Variansi dan deviasi standar dari serangkaian atau sekelompok data dida-sarkan pada deviasi setiap data atau pengamatan terhadap rata-rata hitungnya 6.3.4-1 Variansi dan deviasi standar sampel data belum dikelompokkan

Baik untuk data tidak berkelompok maupun data yang telah berkelompok deviasi standar dihitung berdasarkan ukuran sampelnya, yaitu sampel ber-ukuran kecil (bila n < 30) dan sampel berukuran besar (bila n ≥ 30).

(1) Variansi dan deviasi standar sampel ukuran kecil ( n < 30 ) Bila sampelnya berukuran kecil, variansi dan simpangan baku sekelompok

data, dapat dihitung melalui rumus sebagai berikut:

■ Variansi/Keragaman

=

(6.6) ■ Deviasi standar/simpangan baku

s = (6.7)

s = simpangan baku (deviasi standar) n = ukuran sampel s2 = variansi (keragaman) = rata-rata hitung sampel (mean) xi = nilai data yang ke-i

(2) Variansi dan deviasi standar sampel ukuran besar ( n ≥ 30)Bila sampelnya berukuran besar, variansi dan simpangan baku sekelompok data, dapat dihitung melalui rumus sebagai berikut:


= (6.8)



■ Deviasi standar/simpangan baku

s = (6.9)

s = simpangan baku (deviasi standar)n = ukuran sampel, s2 = variansi (keragaman)

= rata-rata hitung sampel (mean)xi = nilai data yang ke-i

Catatan : Penyebut n-1 pada rumus (6.7) menghasilkan simpangan baku sam-pel yang dianggap penduga tak bias terhadap simpangan baku populasinya. Bila sampelnya besar (n≥30), hasil perhitungan simpanagn baku per rumus (6.7) berbeda secara tidak berarti dengan hasil rumus (6.9), maka dari itu beberapa penulis hanya mencantumkan rumus simpangan baku (6.7) saja, tanpa membedakan ukuran sampel.

Contoh 6- 8Suku bunga deposito berjangka 3 bulan (% per tahun) untuk enam valuta

asing yang ditawarkan oleh Bank Bali, dicatat sebagai berikut:

ValutaAsing

Tingkat suku bunga(% per tahun)

AUS $Pound

YenSin $DM

HK $

6, 506, 503, 003, 505, 504, 50

Sumber : Bisnis Indonesia, Th XII No. 3752, 1977. h 21.

Dengan menganggap data tersebut sampel acak,(a) Hitunglah variansinya (b) Hitunglah deviasi standar keenam suku bunga valuta asing tersebut. Beri-

kan interpretasi terhadap nilainya.

Penyelesaian (a) Menghitung variansi keenam suku bunga tersebut


Nata Wirawan 145

Tabel 6.3 Cara Menghitung Variansi dan Simpangan Baku Suku Bunga Keenam Valuta Asing

Valuta Asing Suku bunga (xi ) xi - (xi - )2

AUS $Pound

YenSin $DM

HK $

6,506,503,003,505,504,50

1,581,58

- 1,92- 1,42 0,58

- 0,42

2,502,503,692,020,340,18

Total 29,50 11,23

Dari Tabel 6.3, dapat diketahui bahwa

n = 6< 30, = 29,5 dan = 11,23

Per rumus (4.1) dihitung dan didapat,

= = = 4,92


= =

= 2,25

Jadi, variansinya adalah 2,25 %

(b) Menghitung Deviasi Standar Per rumus (6.9) didapat,

s = = = iansivar =

= 25,2 = 1,50

Jadi, simpangan baku keenam suku bunga tersebut adalah 1,50% per tahun.

Interpretasi nilai s. Nilai s = 1,50% artinya bahwa rata-rata penyimpangan kelima suku bunga tersebut dari rata-ratanya sebesar 1,50%



Contoh 6- 9Jumlah penjualan pupuk (dalam ratus ton) sebuah distributor yang

berkedudukan di Jakarta selama 6 bulan (bulan Mei hingga Oktober) tahun lalu dicatat sebagai berikut: 2 4 5 6 6 7

Tentukanlah simpangan baku jumlah penjualan pupuk selama 6 bulan dari distributor tersebut. Berikanlah interpretasi terhadap nilai simpangan bakunya

Penyelesaian

Tabel 6.4 Cara Menghitung Simpangan Baku Penjualan Pupuk Distributor yang Dimaksud

B u l a n Nilai data(xi )

xi - (xi - ) 2

MeiJuniJuli

AgustusSeptember

Oktober

245667

-3-10112

910114

Total 30 0 16

Dari Tabel 6.4, diketahui bahwa n = 6 < 30, = 30 dan = 16

Per rumus (4.1) dihitung terlebih dahulu , didapat

=

= = 5

Selanjutnya per rumus (6.6) s2 dihitung dan didapat

=

=

Terakhir per rumus (6.7) didapat

s = = 1,79

Jadi, simpangan baku dari penjualan pupuk tersebut 1,79 ton

Interpretasi. Nilai s =1,79 ton, memiliki arti bahwa rata- rata penyimpang-an keenam jumlah penjualan pupuk tersebut sebesar 1,79 ton dari rata-rata penjualannya.


Nata Wirawan 147

6.3.4-2 Variansi dan deviasi standar sampel data telah dikelompokkanBila data sampel telah dikelompokkan atau telah disusun dalam tabel

frekuensi, variansi dan deviasi standar/simpangan bakunya dapat dihitung dengan dua cara yaitu (1) cara panjang dan (2) cara pendek.

(1) Menghitung variansi dan deviasi standar dengan cara panjang

■ Ukuran Sampel Kecil (n < 30)

Variansi /Keragamam

= (6.10)

Deviasi Standar/Simpangan baku

s = (6.11)

■ Ukuran Sampel Besar (n ≥ 30)

Variansi/Keragaman

= (6.12)

Deviasi Standar/Simpangan baku

s = (6.13)

s = simpangan baku mi = nilai tengah kelas ke-i fi = frekuensi kelas ke-i = rata-rata n = ukuran sampel

(2) Menghitung variansi dan simpangan baku dengan cara pendek

■ Ukuran sampel kecil ( n < 30) Variansi/Keragaman

= (6.14)



Deviasi standar/Simpangan baku

s = c (6.15)

■ Ukuran sampel besar ( n ≥ 30) Variansi/Keragaman

= (6.16)

Deviasi Standar/Simpanagn baku

s =c (6.17)

s = simpangan baku/deviasi standar c = interval kelas n = ukuran sampel fi = frekuensi kelas ke-i di= deviasi kelas ke- i

Contoh 6 - 10Hitunglah simpangan baku dari data dalam Tabel 5.1 (Contoh 5-2) dengan

dua cara yaitu (a) cara panjang, dan (b) cara pendek

Penyelesaian(a) Menghitung deviasi standar dengan cara panjangTabel 6 .5 Cara Menghitung Simpangan Baku Nilai Omzet Penjualan 70 Toko

Sebuah Komplek Pertokoan Pada Bulan Lalu dengan cara panjang

Omzet Penjualan(Juta Rp ) fi mi fi mi (mi - ) (mi - )2 fi (mi - )2

20 - 2930 - 3940 - 4950 - 5960 - 6970 - 7980 - 89

147

1325155

24,534,544,554,564,574,584,5

24,5138 ,0311,5708,5

1.612,51.117,5

422,5

- 37,43- 27,43- 17,43- 7,43

2,5712,5722,57

1401,00752,41303,8055,206,60

158,00509,40

1.401,003.009,622.126,63

717,66165,12

2.370,072.547,02

Total 70 4.335,0 12.337,12Sumber : Tabel 5.1


Nata Wirawan 149

Per rumus (4.3) dihitung terlebih dahulu , sebagai berikut:

=

=

= 61,93

Dari Tabel 6.5, diketahui bahwa = 12.337,12Per rumus (6.13) s dihitung dan didapat,

s =

=

= 13,27

Jadi, simpangan baku omzet penjualan 70 toko di sebuah komplek per-tokoan yang dimaksud adalah Rp 13,27 juta.

(b) Menghitung deviasi standar dengan cara pendek. di = 0 diletakan pada kelas dengan frekuensi terbesar. Kelas-kelas yang

nilai tengahnya lebih kecil dari nilai tengah kelas di = 0, diberi tanda negatif dan kelas-kelas yang memiliki nilai tengah lebih besar dari nilai tengah kelas di = 0, diberi tanda positif.

Tabel 6.6 Cara Menghitung Simpangan Baku Nilai Omzet Penjualan 70 Toko, cara pendek

Omzet Penjualan(Juta Rp ) fi mi di fidi di

2 fi di 2

20 - 2930 - 3940 - 4950 - 5960 - 6970 - 7980 - 89

147

1325155

24,534,544,554,564,574,584,5

- 4- 3-2-10

+ 1+ 2

- 4- 12- 14-13

0+ 15+ 10

16941014

163628130

1520

Total 70 -18 128Sumber : Tabel 5.1

Dari Tabel 6.6 dapat diketahui bahwa n = 70, c = 10, = 128, dan

= -18 Per rumus (6.17) s dihitung dan didapat,



s = c

= 10 2

7018

70128

⎟⎠

⎞⎜⎝

⎛ −−⎟⎠

⎞⎜⎝

⎛

= 10 0661,08285,1 − = 10(1,327)

= 13,27

Ternyata simpangan baku hasil perhitungan kedua cara tersebut baik de ngan cara panjang maupun dengan cara pendek adalah sama, yaitu s = 13,27.

6.3.4-3 Variansi dan Deviasi Standar PopulasiVariansi dan deviasi standar populasi berukuran kecil dan besar dirumuskan

sebagai berikut:

(1) Variansi dan Deviasi Standar data Tidak berkelompok


= (6.18)

■ Deviasi Standar/Simpangan Baku

= (6.19)

xi = nilai masing-masing data N = ukuran populasi s = deviasi standar/simpangan baku populasi m = rata-rata populasi

(2) Variansi dan deviasi standar data yang telah dikelompokkanVariansi dan deviasi standar dihitung dengan metode pendek


= (6.20)


Nata Wirawan 151

■ Deviasi Standar/Simpangan Baku

= c (6.21)

fi = frekuensi masing-masing kelas/kelas yang ke-i di =deviasi kelas yang ke-i,dalam satuan inteval kelas c = interval kelas N = ukuran populasi s = deviasi standar/simpangan baku populasi

Contoh 6-11Umur semua pasien yang ditempatkan dalam kamar isolasi di sebuah

rumah sakit umum adalah 34, 40, 30, 45, 31, dan 36 tahun. Berapa variansi dan deviasi standar populasi umur pasien?

PenyelesaianTabel 6.7 Cara menghitung Variansi dan Simpangan Baku

Umur (xi) xi - m (xi - m )2

344030453136

-24-69-50

4163681250

216 0 162

Dari Tabel 6.7 dapat diketahui bahwa:

N (ukuran populasi) = 6, = 216, dan = 162

Per rumus (4.2) dihitung terlebih dahulu m didapat,

m = =

= 36

Selanjutnya per rumus (6.18) dihitiung variannya, didapat

= = = 27

Terakhir per rumus (6.19) dapat dihitung simpangan bakunya didapat,

= =

= 5,20



Jadi, variansinya adalah 27 (tahun)2, dan deviasi standarnya adalah 5,20 tahun.

6.4 Ukuran Penyebaran RelatifUkuran penyebaran relatif adalah ukuran penyebaran yang dapat digu-

nakan untuk membandingkan sebaran dari dua atau lebih kelompok (distri-busi) suatu data yang memiliki satuan yang sama ataupun satuan yang ber-beda. Yang termasuk ukuran penyebaran relatif ialah (1) koefisien dari range, (2) koefisien dari deviasi kuartil, (3) koefisien dari deviasi rata-rata, dan (4) koefisien dari deviasi standar yang lebih dikenal dengan nama koefisien va-riasi. Di bawah ini akan dibahas ukuran penyebaran relatif mulai dari ukuran yang paling banyak digunakan dalam analisis statistik.

6.4.1 Koefisien Variasi Koefisien variasi adalah perbandingan antara simpangan baku sekelom-

pok data/pengamatan dengan rata-rata hitungnya (mean). Koefisien variasi paling banyak digunakan dalam statistik untuk membandingkan kehomoge-nan (homogenitas) sekelompok data dengan kelompok data lainnya, baik dengan satuan yang sama maupun satuannya berbeda. Semakin kecil ko-efisien variasinya maka semakin homogen (seragam) kelompok data terse-but. Maksudnya data-data tersebut terkonsentrasi dekat ke pusat (rata- rata) kumpulan data tersebut. Koefisen variasi untuk sampel dirumuskan sebagai berikut:

KV = x 100 % (6.22)

KV = koefisien variasi s = standar deviasai/simpangan baku sampel = rata-rata hitung sampel

Contoh 6 -12Pada label susu bayi merk A dan merk B tertera berat netto 400 gram. Hasil

pemeriksaan dua buah sampel berukuran 10, berupa 10 kaleng susu bayi merk A dan 10 kaleng susu bayi merk B, mengenai berat nettonya diperoleh hasil sebagai berikut:

= 400 gram = 400 gram sA = 80 gram sB = 125 gram

(a) Hitunglah koefisien variasi berat netto susu bayi merk A dan merk B tersebut(b) Bila kita ingin membeli susu bayi yang berat nettonya sesuai dengan yang

tertera pada labelnya yaitu 400 gram, susu bayi merk manakah yang se-baiknya di beli? Berikan alasan.

Penyelesaian (a) Menghitung koefisien variasi berat netto masing-masing susu bayi Per rumus (6.22) dapat dihitung masing-masing koefisien variasinya


Nata Wirawan 153

KVA = x 100% KVB = x 100%

= x 100% =

x 100%

= 20% = 31%

Jadi, koefisien variasi berat netto susu bayi merk A adalah 20% dan koefi-sien variasi susu bayi merk B adalah 31%.

(b) Oleh karena koefisien variasi berat netto susu bayi merk A, KVA = 20% lebih kecil dari koefisien variasi berat netto merk B, KVB = 31% yaitu (KVA = 20% <KVB = 31%), itu menunjukan bahwa berat netto-berat netto susu bayi merk A lebih seragam dari pada berat- berat netto susu bayi merk B, maka dari itu sebaiknya dibeli susu bayi merk A. Dengan kata lain, perbe-daan berat-berat netto susu bayi merk A tersebut satu sama yang lainnya, lebih kecil dari perbedaan berta-berat netto susu bayi merk B.

Cara lain, dalam menentukan pilihan sedemikian itu, khusus untuk mean yang sama, maka mean dengan simpangan baku yang lebih kecil dapat diandalkan atau dipercaya untuk mewakili kelompoknya. Jadi, dalam ka-sus di atas pilihan tetap jatuh pada susu bayi merk A.

Contoh 6 - 13Dua sampel yang masing-masing terdiri dari 5 buah sabun mandi merk

A dan 5 buah sabun mandi merk B. Diukur beratnya, diperoleh data sebagai berikut (dalam gram)

Sampel 1(Sabun Merk A) 100 102 98 101 99

Sampel 2(Sabun Merk B) 100 104 98 105 103

(a) Hitunglah koefisien variasi berat netto untuk sampel 1 dan sampel 2(b) Menurut saudara mana lebih seragam berat netto sabun merk A atau sa-

bun merk B?

Penyelesaian(a) Menghitung koefisien variasi berat netto sabun A dan koefisien variasi be-

rat netto sabun B



Tabel 6.8 Cara Menghitung KVA dan KVB

Berat merk A(xA.i) xA.i - (xA.i - )2

Berat merk B(xB.i) xB.i - (xB.i - )2

1001029810199

02

- 21-1

04411

10010498105103

- 2 2

-4 31

441691

500 0 10 510 0 34

Rata-rata berat netto sampel A dan B Per rumus (4.1) dihitung terlebih dahulu rata-rata berat nettonya masing-

masing.

= = = 100

= = = 102

Deviasi standar berat netto sampel A dan B Per rumus (6.7) dihitung simpangan baku masing-masing,

= = 1,58

sB = = 2,92

Koefisen variasi berat netto sampel A dan BSelanjutnya per rumus (6.22) dihitung koefisien variasinya masing-masing.

KVA = x 100% KVB = x 100%

= x 100% = x 100%

= 1,58% = 2,86%

Jadi, koefisien variasi berat netto sabun A adalah 1,58% dan koefisien variasi berat netto sabun B adalah 2,86%.

(b) Oleh karena koefisien variasi berat netto sabun merk A lebih kecil dari koe-fisien variasi berat netto sabun merk B yaitu KVA = 1,58% < KVB = 2,86%, maka berat netto sampel sabun mandi merk A lebih seragam atau lebih homogen dari pada berat netto sampel sabun mandi merk B.


Nata Wirawan 155

6.4.2 Ukuran Penyebaran Relatif LainnyaUkuran penyebaran/dispersi relatif berikut ini, tidak sepopuler koefisien va-

riasi, maksudnya tidak banyak digunakan dalam analisis statistik

(1) Koefisien dari rangeKoefisien dari range dirumuskan sebagai berikut:

Koefisien Range = (6.23)

(3) Koefisien deviasi kuartil Koefisien deviasi kuartil dirumuskan sebagai berikut :

Koefisien deviasi kuartil = (6.24)

(4) Koefisien deviasi rata-rata Koefisien deviasi rata-rata dirumuskan sebagai berikut :

Koefisien deviasi rata-rata =

(6.25)

6.5 Dalil ChebyshevP.L.Chebyshev (1821-1894), seorang ahli matematika berkebangsaan

Rusia, mengemukakan suatu dalil yang dikenal dengan dalil atau teorema Chebyshev. Bunyi dari dalil itu adalah sebagai berikut (Wolpe, 1982; McClave, et al., 2011; Black, 2011) :

Dalil ChebyshevSekurang-kurangnya (1- ) bagian dari seluruh data (sampel atau populasi) terletak dalam k simpangan baku dari nilai rata-rata hitungnya, tanpa memandang bentuk distribusinya.

Dengan kata lain, dalil Chebyshev dapat juga dinyatakan sebagai berikut: Tanpa memandang bentuk distribusi datanya, sekurang-kurangnya (1- ), proporsi (nilai) data terletak dalam interval ± ks (untuk sampel) dan m ± ks (untuk populasi); k = bilangan positif yang lebih besar dari 1.

Keuntungan dari dalil Chebyshev adalah penerapannya yang bersifat umum, maksudnya berlaku untuk sembarang sebaran data. Kelemahannya, bahwa nilai yang dihasilkan oleh dalil ini, hanya merupakan batas bawahnya saja.



Contoh 6- 14Iklan televisi pada stasiun televisi tertentu, rata-rata berlangsung 40 detik,

dengan simpangan baku 5 detik. Menurut dalil Chebyshev, tentukanlah proporsi (bagian) iklan yang berlangsung dari 30 sampai 50 detik.

Penyelesaian = 40, s = 5. Interval waktu 30 sampai 50 detik, berarti nilai bawah dari

± ks adalah 30 dan nilai atasnya 50. Dengan mengambil salah satu nilai yaitu - ks = 30 atau + ks = 50, nilai k dapat dihitung, sebagai berikut:

- k.s = 30 (diambil nilai bawah) 40 - k.5 = 30 - 5k = - 10 k = 2

sehingga, 1 - = 1 - = 3/4

Jadi, sekurang-kurangnya (3/4) bagian atau 75% dari total iklan tersebut ber-langsung dari 30 sampai 50 detik.

Contoh 6- 15Rata-rata hitung harga per lembar saham semua perusahaan yang men-

jual sahamnya kepada masyarakat di sebuah kota adalah Rp 5000,00. De-viasi standarnya Rp 400,00. Menurut dalil Chebyshev, berapa persen dari ke-seluruhan harga-harga per lembar saham tersebut memiliki nilai antara Rp 3800,00 dan Rp 6200,00

Penyelesaianm = Rp 5.000,00; s = Rp 400,00; interval harga per lembar saham Rp

3800,00 sampai Rp 6200,00. Itu berarti batas bawahnya adalah Rp 3.800,00 dan batas atasnya Rp 6.200,00 Dengan mengambil batas bawah m-ks = 3.800, atau batas atasm+ks= 6.200, maka akan didapat nilai k, sebagai berikut:

m-ks = 3.800 (diambil nilai bawah) 5.000 – k (400) = 3.800 1.200 = 400k k = 3

Sehingga, 1 - = 1 - = bagian = x 100% = 88,89%

Jadi, 88,89% dari keseluruhan harga-harga per lembar saham tersebut nilainya antara Rp 3.800,00 dan Rp 6.200,00

6.6 Kaidah EmpirikDalil Chebyshev memberikan dugaan atau perkiraan kasar mengenai pro-

porsi dari keseluruhan data yang terletak k simpanagan baku disekitar rata-

99,7%


Nata Wirawan 157

-ratanya (k = bilangan tetap positif dan lebih besar dari 1), tanpa memandang bentuk distribusi frekuensinya, berbentuk genta (normal) atau tidak. Pada ba-gian ini akan dikemukakan suatu kaidah yang memberikan hasil perkiraan yang lebih kuat daripada dalil Chebyshev, yang dikenal dengan Kaidah Em-pirik. Kaidah empirik menyatakan bahwa (Levin, 1981; Wolpe, 1982; Black, 2011):

Pada distribusi data (pengamatan) yang mendekati atau berbentuk genta (normal), maka kira-kira 68% dari banyaknya data (pengamatan) terletak dalam m ± 1s 95% dari banyaknya data (pengamatan terletak) dalam m ± 2s 99,7% dari banyaknya data (pengamatan) terletak dalam m ± 3s

Penyebaran data (pengamatan) menurut Kaidah Empirik seperti terlihat pada Gambar 6.1.

Gambar 6.1 Proporsi Penyebaran Data Menurut Kaidah Empirik.

m = rata-rata populasi dan s = simpangan baku populasi. Kaidah tersebut berlaku juga untuk sampel. Bila kaidah tersebut diberlakukan untuk sampel, maka rata-rata dan simpangan bakunya disesuaikan dengan rata-rata sampel ( ) dan simpangan baku sampel (s)

Contoh 6 - 16Sebuah bank yang berkantor pusat di Jakarta dengan kantor cabang yang

bertebaran diseluruh provinsi yang ada di tanah air menggaji 2.000 karyawan, dengan gaji rata-rata $ 200 per orang per bulan dan simpangan baku $ 25. Dengan menganggap bahwa gaji-gaji karyawan tersebut berdistribusi menyerupai genta (berdistribusi normal), gunakan kaidah empirik untuk mendiskripsikan penyebaran data tersebut.



Penyelesaian m = $ 200 dan s = $ 25Untuk mendiskripsikan penyebaran data tersebut dengan Kaidah Empirik,

terlebih dahulu ditentukan interval-interval sebagai berikut: m ± s = 200 ± 25 $ 175 hingga $ 225 m ± 2s = 200 ± 50 $ 150 hingga $ 250 m ± 3s = 200 ± 75 $ 125 hingga $ 275

Dapat disimpulkan bahwa kira-kira 68% dari banyaknya karyawan tersebut (kurang lebih 1360 orang) mendapat gaji per bulan berkisar antara $ 175 hingga $ 225. Kira-kira 95% nya (sekitar 1900 orang) mendapat gaji per bulan berkisar antara $ 150 hingga $ 250, dan hampir semuanya (99,7% ) men-dapat gaji per bulan berkisar antara $ 125 hingga $ 275.

Contoh 6-17Suatu sampel biaya perawatan per bulan yang dikeluarkan 80 usaha

rental komputer di Kota Denpasar distribusinya berbentuk genta, dengan rata-rata hitung Rp 1,5 juta dan simpangan bakunya Rp 0,4 juta. Dengan menggunakan kaedah empirik, tentukanlah batas-batas biaya perawatan per bulan yang mencakup 68% dari keseluruhan sampel tersebut.

PenyelesaianMenurut kaedah empirik, kira-kira sebanyak 68% dari biaya-biaya itu (68%

x 80 = 54 biaya perawatan) berada dalam interval ± 1s.Jadi, batas bawahnya adalah -1s = Rp 1,5 juta - Rp 0,4 juta = Rp 1,1 juta.

Batas atasnya adalah +1s = Rp 1,5 juta + Rp 0,4 juta = Rp 1,9 juta.Dengan kata lain, 68% biaya-biaya perawatan tersebut berada pada batas

-batas Rp 1,1 juta hingga Rp 1,9 juta.

6.7 Angka Baku (Skor Z)Angka baku atau nilai Z adalah perbedaan antara nilai suatu data (penga-

matan) secara individual dengan nilai rata-rata hitung kelompoknya yang dinyatakan dalam satuan simpangan baku. Nilai Z mengukur berapa sim-pangan baku sebuah data (pengamatan) terletak di atas atau di bawah ni-lai rata-ratanya. Nilai z yang positif, mengukur berapa simpangan baku letak suatu pengamtan di atas nilai rata-ratanya, sedangkan nilai z yang negatif mengukur berapa simpangan baku letak suatu pengamatan di bawah rata-ra-tanya. Nilai Z umumnya digunakan untuk membandingkan dua pengamatan yang berasal dari dua populasi yang berbeda sehingga dapat ditentukan pe-ringkat atau rank relatifnya.

Untuk menghitung nilai Z suatu pengamatan dipakai rumus:

(1) Angka baku sampel

Z = (6.26)(2) Angka baku populasi


Nata Wirawan 159

Z = (6.27)

xi = nilai data/pengamatan yang ke-i = rata-rata sampel s = simpangan baku/standar deviasi sampel m = rata-rata populasi s = simpangan baku/standar deviasi populasi

Interpretasi nilai ZNilai Z, dapat bernilai positif dan negatif. Bila nilai Z = k (positif k), berarti letak pengamatan/data tersebut berada, k simpangan baku di atas rata-ratanya, dan bila nilai Z = - k (minus k), berarti letak pengamatan /data tersebut berada k simpangan baku di bawah rata-atanya. k adalah suatu konstanta.

Contoh 6- 18Sada salah seorang mahasiswa kelas A dan Tono salah seorang

mahasiswa kelas B. Pada ujian akhir semester, nilai statistik ekonomi Sada dan Tono masing-masing 85 dan 70. Sementara nilai rata-rata statisik ekonomi untuk kelas A dan B masing-masing 80 dan 60, dengan simpangan baku masing-masing 10 dan 7,5.(a) Siapakah yang lebih berprestasi khususnya dalam mata kuliah statistik

ekonomi Sada ataukah Tono.(b) Bagaimana kedudukan nilai statistik ekonomi Sada dan Tono di kelasnya

masing-masing. Penyelesaian Sada Tono x = 85 x = 70 = 80 = 60 s = 10 s = 7,5

Z =

Z =

=

=

= 0,5 = 1,33

(a) Oleh karena nilai Z (bagi Tono) lebih besar dari nilai Z (bagi Sada), ini be-rarti Tono lebih berprestasi jika dibandingkan dengan Sada.

(b) Sada dengan nilai Z = 0,5, ini berarti kedudukan nilai Sada 0,5 simpangan baku (0,5 X 10 = 5) di atas rata-rata kelasnya. Dengan kata lain, selisih nilai Sada dengan nilai rata-rata (mean) kelasnya adalah 5.

Tono dengan nilai Z = 1,33, ini berarti kedudukan nilai Tono 1,33 simpan-



gan baku (1,33 x 7,5 = 9,975 ≈ 10) di atas rata-rata kelasnya. Dengan kata lain, selisih nilai Tono dengan rata-rata (mean) kelasnya adalah 10.

Contoh 6- 19

Perusahaan A adalah sebuah perusahaan manufaktur yang bergerak dalam bidang tekstil. Dalam 5 tahun terakhir memperoleh keuntungan dengan rata-rata 4,25 miliar rupiah per tahun, dengan simpangan baku 1,50 miliar rupiah. Perusahaan B adalah sebuah perusahaan perdagangan yang bergerak dalam bidang ekspor-impor. Dalam kurun waktu yang sama memperoleh keuntungan dengan rata-rata 3,2 miliar rupiah per tahun, dengan simpangan 0,72 miliar rupiah. Tahun ini perusahaan A mampu meraup keuntungan sebesar 6,70 miliar rupiah dan perusahaan B mampu meraup keuntungan sebesar 4,80 miliar. Berdasarkan hasil yang dicapai pada tahun ini, menurut Anda perusahaan mana lebih berpretasi.

Penyelesaian

Perusahaan A Perusahaan B x = 6,70 x = 4,80 = 4,25 = 3,20 s = 1,50 s = 0,72

Z = Z =

= =

= 1,63 = 2,22

Oleh karena nilai Z perusahaan B lebih besar dari nilai Z perusahaan A (ZB = 2,22 > ZA = 1,63), maka perusahaan B lebih berpretasi dari perusahaan A.

Soal-soal Latihan


Nata Wirawan 161

6 - 1 Biaya operasional sebuah hotel berbintang lima yang berlokasi di Jakarta selama lima tahun terakhir (dalam miliar rupiah) sebagai beri-kut: 1,6 2,0 3,1 2,4 4,3

Hitunglah : (a) Deviasi kuartilnya.(b) Deviasi rata-ratanya.(c) Simpangan baku dan variannya.(d) Koefisien variasinya.

6 - 2 Sepuluh sabun mandi merk tertentu yang merupakan sampel acak, di-timbang berat nettonya (dalam gram) diperoleh data sebagai berikut:

130 128 127 132 133 131 129 130 132 128(a) Hitunglah deviasi rata-ratanya, dan interpretasikan hasilnya.(b) Hitunglah simpangan bakunya, dan interpretasi hasilnya.(c) Hitunglah variannya.

6 - 3 Harga per kg sembilan bahan pokok (dalam rupiah) pada bulan Januari 2010 di Kota Denpasar adalah sebagai berikut :

6.104 21.833 18.000 12.533 11.000 15.000 8.208 3.500 3.333 Hitunglah:

(a) Simpangan baku kesembilan harga per kg bahan pokok tersebut.(b) Koefisien variasinya.(Sumber: BPS- Provinsi Bali, 2011).

6 - 4 Dua sampel yang masing-masing terdiri dari 5 kaleng cat tembok merk A dan 5 kaleng cat tembok merk B. Pada label kedua jenis cat tem-bok tersebut tertera berat netto 5 kg. Masing-masing sampel tersebut diukur berat nettonya, dan diperoleh data sebagai berikut (satuan data dalam kg):

Merk A 5, 1 5, 0 5, 2 4, 9 4, 8Merk B 4, 8 5, 0 5, 4 4, 6 5, 2

(a) Hitunglah simpangan baku berat netto cat merk A.(b) Hitunglah simpangan baku berat netto cat merk B.(c) Hitunglah koefisien variasi berat netto cat merk A.(d) Hitunglah koefisien variasi berat netto cat merk B.(e) Bandingkan koefisien variasi berat netto kedua cat tersebut, yang

mana lebih kecil?(f) Bila Anda ingin membeli cat yang beratnya sesuai dengan yang

tertera pada labelnya, cat merk apa yang saudara beli merk A atau B? Berikan alasan.

6 - 5 Sebuah mesin cetak diatur sedemikian rupa sehingga waktu yang diperlukan untuk mencetak satu rim naskah rata-ata 5,8 menit dengan



simpangan baku 0,6 menit. Berdasarkan dalil Chebyshev, tentukanlah proporsi waktu antara 4,5 menit sampai 7,0 menit dalam mencetak satu rim naskah tersebut.

6 - 6 Karto adalah salah satu siswa SMA I Surabaya sedangkan Fadly ada-lah salah satu siswa SMA 2 Surabaya. Pada ujian kenaikan kelas da-lam mata pelajaran fisika, Karto memperoleh nilai 85. Nilai rata-rata ujian fisika di sekolah Karto adalah 90 dengan simpangan baku 30. Fadly memperoleh nilai mata pelajaran fisika 50 dan nilai ujian rata-rata fisika disekolahnya adalah 60 dengan simpangan baku sebesar 12.

Pertanyaan:(a) Siapakah yang lebih berprestasi khususnya dalam mata pelajaran

Fisika, Karto atau Fadly.(b) Bagaimana kedudukan nilai Fisika Karto dan Fadly di sekolahnya

masing-masing?

6 - 7 Seorang direktur perusahaan pipa PVC, bermaksud membeli mesin pipa. Untuk keperluan itu ia mendatangkan dua buah mesin pipa yaitu merk A dan merk B untuk dicoba. Dari hasil produksi kedua mesin tersebut diambil 50 batang hasil mesin A dan 60 batang hasil mesin B sebagai sampel acak. Kemudian diukur diameternya masing-masing memberikan data sebagai berikut :

Diameter Pipa(cm )

Banyak Pipa Produksi Mesin (Batang )A B

5,5 - 5,96,0 - 6,46,5 - 6,97,0 - 7,47,5 - 7,9

38111810

15102915

Total 50 60

Jika direktur tersebut ingin membeli mesin yang memberikan hasil de-ngan diameter yang lebih seragam, maka menurut pendapat saudara, mesin mana disarankan untuk dibeli?

6 - 8 Pada tahun lalu sebuah perusahaan asuransi berhasil merekrut 1000 nasabah baru. Rata-rata nilai kontrak asuransi per nasabah sebesar $ 500 dengan simpangan baku $ 150. Bila nilai kontrak-nilai kontrak nasabah baru tersebut dianggap berdistribusi normal atau berbentuk genta. Dengan kaedah empirik, diskripsikanlah penyebaran nilai kon-trak-nilai kontrak nasabah baru tersebut

6 - 9 Dua perusahaan yaitu perusahaan A yang bergerak dalam bidang re-alestat dan perusahaan B bergerak dalam penerbangan domestik. Da-


Nata Wirawan 163

lam 5 tahun terakhir, perusahan A berhasil meraup keuntungan dengan rata-rata 2 miliar rupiah per tahun, dengan simpangan bakunya 0,4 mi-liar rupiah. Sementara perusahaan B meraup keuntungan dengan rata--rata sebesar 2,5 miliar rupiah per tahun, dengan simpangan bakunya 0,6 miliar rupiah. Tahun terakhir perusahaan A berhasil meraup keun-tungan sebesar 2,3 miliar rupiah, sedangkan perusahaan B sebesar 3,2 miliar rupiah. Jika kinerja perusahaan dapat dinilai dari keuntungan yang berhasil diperoleh pada tahun terakhir, perusahaan mana lebih berperestasi/kinerjanya lebih baik?

6 - 10 Sebuah perusahaan pialang saham menghitung rata-rata (mean) tran-saksi pembukaan per hari adalah 60. Deviasi standarnya adalah 18.(a) Dengan kaedah Chebyshev, tentukanlah persen transaksi per hari

berada diantara 42 dan 78.(b) Andaikata frekuensi transaksi-transaksi itu berdistribusi mendekati

normal atau genta. Dengan menggunakan kaedah empirik, ten-tukanlah batas-batas nilai yang mencakup sekitar 95% dari tran-sakasi per hari tersebut.

6 - 11 Sebuah perusahaan nasional yang bergerak dalam bisnis perhotelan, berkantor pusat di Jakarta telah menggaji 2.000 karyawan. Rata-rata gaji per karyawan per bulan sebesar Rp 7,5 juta, dengan simpangan baku sebesar Rp 1,2 juta. Dengan kaedah empirik, deskripsikanlah penyebaran gaji karyawan – gaji karyawan tersebut.

6 - 12 Seorang kontraktor bangunan (khusus bangunan hotel) mendapat proyek untuk membangun beberapa hotel bintang 3 dan 4 di Jawa dan di Bali. Salah satu material bangunan yang cukup banyak diperlukan adalah semen. Dia tertarik dengan dua jenis semen merk A dan B (kualitas dan harga per zak semen itu hampir sama). Sebelum ia memutuskan untuk membeli salah satu dari kedua merk tersebut, ia mengambil sampel secara acak masing-masing sebanyak 10 zak dari kedua jenis semen tersebut untuk diteliti beratnya. Pada wadah kedua jenis semen tersebut tertera (label) berat 50 kg. Setelah sampel-sampel tersebut ditimbang, didapat hasil sebagai berikut.

Merk A 50,1 48,9 49,5 48,75 48,651,4 51,25 50,5 51,1 49,9

Merk B 50,1 48,2 47,3 52,75 53,249,9 51,8 52,7 48,25 46,8

Si kontraktor berkeinginan mendapatkan semen yang dapat dipercaya/diandalkan yaitu bahwa berat semen yang akan dibeli sesuai dengan berat yang tertulis dalam wadahnya. Berdasarkan hasil yang didapat, bila Anda dimintai pendapat, semen merk apa yang disarankan untuk ia beli? Berikan alasan.



6- 13 Hasil survei tentang penghasilan bersih per bulan yang diperoleh 100 Biro Perjalanan Wisata, ditabelkan sebagai berikut:

Penghasilan Bersih(Juta Rupiah)

KuantitasBiro Perjalanan Wisata (unit)

40 - 44,945 - 49,950 - 59,960 - 64,965 - 69,970 - 74,9

842251582

Total 100

Hitunglah simpangan baku dan variansinya.

6- 14 Data di bawah ini merupakan data jumlah restoran/rumah makan di Provinsi Bali periode 2010 – 2014.

Tahun 2010 2011 2012 2013 2014

Juml. Restoran/R. makan 1.685 1.645 1.339 1.072 2059

Sumber : Dinas Pariwisata Provinsi Bali, 2014.

Hitunglah simpangan baku dan variansinya.

6- 15 Lima (5) negara Asia dengan investasi asing terbesar pada tahun 2014, dicatat sebagai berikut

Nama Negara Investasi Asing(Miliar US$)

Cina 128,0Hongkong 103,3Singapura 67,5Indonesia 22,6Thailand 12,6

Sumber : Jawa Pos, 7 Juli 2015, h. 5.

Hitunglah jangkauan, simpangan baku dan variansinya.

6- 16 Rata-rata lama tinggal wisatawan di Indonesia dan Bali kurun waktu 2008 – 2013.


Nata Wirawan 165

Tahun Lama Tinggal (hari)Indonesia Bali

2008 8,58 9,652009 7,69 8,752010 8,04 9,492011 7,84 9,272012 7,70 9,102013 7,65 9,60

Sumber : Dinas Pariwisata Provinsi Bali, 2013

Hitunglah :(a). Simpangan baku masing-masing kelompok data.(b). Koefisien variasi masing-masing kelompok data(c) Bandingkan hasil butir (b), dan berikan simpulan.


UKURAN KEMENCENGAN

DAN

KERUNCINGAN SUATU DISTRIBUSI

7.1 PengantarDalam Bab 4, Bab 5, dan Bab 6, secara berturut-turut telah di pelajari pen-

deskripsian sekelomok data melalui ukuran nilai pusat, ukuran letak dan ukuran penyebaran. Karakteristik lain yang dapat diukur untuk mendeskripsikan data adalah derajat/tingkat kemencengan. Pada Bab 4 telah dikemukakan bila ni-lai mean, median dan modus suatu distribusi frekuensi sama besar (Mean = Md = Mod), maka distribusi frekuensi tersebut simetris, distribusi tersebut tidak menceng kanan maupun menceng kiri, atau tingkat kemencengannya nol. Jika satu pengamatan atau lebih memiliki nilai yang sangat besar, maka rata-rata hitung distribusi menjadi lebih besar dari median atau modus (Mod<Md<Mean). Dalam kasus demikian, distribusi disebut menceng positip (menceng kanan dan condong kekiri). Sebaliknya, bila satu pengamatan atau lebih memiliki nilai yang sangat kecil, maka rata-rata hitung akan memiliki nilai terkecil dibandin-gkan dengan nilai median dan modus (Mean< Md<Mod), distribusi demikian itu disebut menceng negatif (menceng kiri dan condong kekanan).

Dalam bab ini akan dibahas mengenai ukuran kemencengan dan ukuran keruncingan suatu distribusi frekuensi. Setelah mempelajari bab ini perserta didik (mahasiswa) diharapkan dapat memahami dan mengerti tentang ukuran kemencengan dan keruncingan suatu distribusi.

7. Ukuran Kemencengan dan Keruncingan Suatu Distribusi

Nata Wirawan 167

7.2 Ukuran Kemencengan Ukuran kemencengan (skewness) adalah suatu ukuran yang dapat

digunakan untuk menentukan menceng tidaknya suatu kurva distribusi. Dalam Bab 4, telah dikemukakan bahwa, bila = Md = Mod, menurut Karl Pearson, maka distribusinya simetris, dan bila ≠ Md ≠ Mod, distribusinya tidak simetris. Bila tidak simetris, menceng kemanakah kurva distribusinya ?

Untuk mengukur kemencengan suatu kurva distribusi frekuensi, dapat diketahui dari besarnya koefisien skewness (Sk) dan besarnya koefisien momen ketiga (a3)

7.2.1 Koefisien SkewnessBesarnya koefisien skewness (Sk) dapat dihitung dengan beberapa meto-

de, antara lain : (1) metode Karl Pearson, (2) metode Bowley dan (3) metode “10 - 90 presentil"

(1) Metode Karl PearsonMenurut metode ini, koefisien skewness dapat dihitung dengan rumus:

= (7.1)

Secara empiris diperoleh hubungan antara - Mod = 3( - Md), oleh karena itu rumus 7.1, dapat juga dinyatakan sebagai :

Sk = (7.2)

Sk = koefisien skewness = rata-rata sampel Mod = modus Md = median s = deviasi/simpangan baku sampel

(2) Metode BowleyMenurut metode ini, koefisien skewness dapat dihitung dengan rumus:

Sk = = (7.3)

Sk = koefisien skewness K3 = kuartil ketiga K2 = kuartil kedua K1 = kuartil pertama



(3) Metode “10 - 90 Persentil “Menurut metode ini, koefisien skewness dihitung dengan rumus:

Sk = (7.4)

Sk = koefisien skewness P10 = persentil ke-10 P50 = Persentil ke-50 P90 = Persentil ke-90

Menurut Gupta dan Gupta (1983), nilai koefisien skewness dapat positif, negatif atau nol, umumnya berkisar antara - 1 (minus satu ) dan +1 ( positif satu), kadang - kadang melebihi 1. Sementara itu, Wolpe (1982) dan Lind, et al., (2008) menyatakan bahwa nilai koefisien skewness dapat positif, negatif atau nol, pada kisaran - 3 (minus tiga ) dan + 3 (positif tiga). Bila nilai Sk = 0, berarti distribusi frekuensi tersebut simetris. Semakin mendekati nol nilai Sk suatu distribusi, maka distribusi frekuensi tersebut semakin simetris. Bila koefisien skewness positif, berarti ekor kanan distribusi frekuensinya lebih panjang dari ekor kirinya, maka distribusi menceng kanan atau condong ke kiri. Bila koefisien skewness negatif, berarti ekor kiri distribusi frekuensinya lebih panjang dari ekor kanannya, maka distribusi menceng ke kiri atau condong ke kanan.

Hubungan koefisien skewness dengan kemencengan suatu kurva distribusi, Gupta dan Gupta (1983) menyatakan sebagai berikut:

1 Jika harga koefisien skewness positif, ini berarti Mean> Median>Modus, maka kurva distribusi frekuensinya menceng ke kanan atau condong ke kiri

Mod < Md < Mean

Gambar 7.1 Kurva Distribusi Menceng Kanan

2 Jika harga koefisien skewness negatif, ini berarti Mean<Median<Modus maka kurva distribusi frekuensinya menceng ke kiri atau condong ke kanan


Nata Wirawan 169

Gambar 7.2 Kurva Distribusi Menceng ke Kiri

3 Jika harga koefisien skewness nol, ini berarti Mean = Median = Modus, maka kurva distribusi frekuensinya simetris

Gambar 7.3 Kurva Distribusi Simetris.

Contoh 7 - 1Laba yang diperoleh oleh 100 pengembang perumahan (real estate) yang diambil sebagai sampel acak (dalam puluh juta rupiah) di tiga kota, Jakarta, Surabaya dan Makassar pada tahun lalu, disajikan dalam tabel berikut :

Laba (Puluh Juta Rupiah)

BanyakPengembang (Unit)

20 - 2930 - 3940 - 4950 - 5960 - 6970 - 7980 - 89 90 - 99

479

162515177

Total 100Sumber : Data hipotetis



Hitunglah koefisien skewness dari distribusi laba yang diperoleh oleh 100 pengembang perumahan tersebut, dengan metode Karl Pearson dan metode Bowley. Setelah itu periksalah menceng kemanakah distribusi frekuensi laba tersebut.

Penyelesaian

Tabel 7.1 Cara Menghitung Koefisien Skewness Distribusi Frekuensi Laba 100 Pengembang Perumahan

Laba(Puluh Juta Rp) fi mi di fi di fi di

2

TepiKleas

fC

20 - 29

30 - 39

40 - 49

50 - 59

60 - 69

70 - 79

80 - 89

90 - 99

4

7

9

16

25

15

17

7

24,5

34,5

44,5

54,5

64,5

74,5

84,5

94,5

- 4

- 3

- 2

- 1

0

+ 1

+ 2

+ 3

- 16

- 21

- 18

- 16

0

15

34

21

64

63

36

16

0

15

68

63

19,5

29,5

39,5

49,5

59,5

69,5

79,5

89,5

99,5

0

4

11

20

36 61

76

93

100Total 100 - 1 325

Dari Tabel 7.1 dapat diketahui bahwa, n = 100,

= -1,

= 325 ,

=25,

= 50,

= 75 dan c = 10

Terlebih dahulu dihitung per rumus (4.5), sebagai berikut:

= x o + x c

= 64,5 +

= 64,5 - 0,1 = 64,4

Deviasi standar/simpangan baku dihitung per rumus (6.17), sebagai berikut:


Nata Wirawan 171

s = c

= 10

= 10

= 18,0

Per rumus (5.3), K1, K2 = Md dan K3 dihitung sebagai berikut:

K1 = 49,5 + 6,521016

)2025(=

− x

K2 = 59,5 + 1,651025

)3650(=

− x ≈ Md = 65, 1

K3 = 69,5 + 8,781015

)6175(=

− x

Koefisien skewness dihitung menurut metode Karl Pearson.Per rumus (7.2) didapat,

Sk =

=

= - 0,12 (dibulatkan)

Koefisien skewness dihitung menurut metode BowleyPer rumus (7.3) didapat,

Sk =

−

−+

13

213 2KK

KKK

= 6,528,78

)1,65(26,528,78−

−+

= 2,262,1−

= - 0,045

Nilai Sk bertanda minus (-), menunjukkan bahwa distribusi laba yang dipero-leh 100 pengembang perumahan (sampel) tersebut menceng kiri dan con-dong ke kanan



7.2.2 Koefisien Momen Ketiga Koefisien momen ketiga (a3) yang umumnya disebut momen ketiga saja

adalah rata-rata penyimpangan data dari rata-ratanya (mean) dipangkatkan tiga, dibagi dengan simpangan baku pangkat tiga.

Untuk menghitung momen ketiga (a3) dari data yang tidak dikelompokkan dan data yang telah dikelompokkan (suatu distribusi frekuensi) dapat dipakai rumus sebagai berikut:

(1) Untuk data yang belum dikelompokkan

a3 = (7.5)

a3 = kofisien moment ke-tiga, = rata-rata sampel xi = nilai data yang ke-i n = jumlah data/pengamatan/ukuran sampel s = simpangan baku sample

(2) Untuk data yang telah dikelompokkan Rumus 7.6, h 153

3 = f dn

f dn

f dn

f dn

cs

i i i i i i i i3 2 3 3

33 2

.

Rumus 7.7, h. 154

4 = f dn

i i i i i i i i i ii i f dn

f dn

f dn

f dn

f dn

cs

4

4 6 33 2 2 4 4

4

Untuk hal.156 bag. bawah


4 = f dn


f dn

f dn

f dn

f dn

cs

4

4 6 33 2 2 4 4

4

4 = 2605100

2 4 4

44 1

100193

1006 1

100325100

3 1100

1018

( ) .( )

= 26 05 4(0 01 193 6 0001 3 25 3 0 01 10000104976

4, , ). , , ( , ) ,

= 26 05 0 0772 0 00195 0 00000003 0 0953, , , , ,

= 2, 47 Rumus 9.11, h. 211

r2 =

Y Y

n

Y Yni

2

2

(7.6)

n = ukuran sampel c = interval kelas fi = frekuensi (absolut) kelas ke-i di = deviasi dalam satuan interval kelas ke-i

Makin besar nilai a3, maka makin menceng atau miring kurva distribusi frekuensi tersebut. Jika a3 bertanda (+), berarti kurva distribusi tersebut men-ceng kanan dan condong ke kiri, dan jika a3 bertanda (-), berarti kurva distri-busi tersebut menceng kiri dan condong ke kanan.

Contoh 7- 2Untuk data pada Tabel 7.1, hitunglah momen ketiganya (a3). Menceng

kemanakah kurva distribusi laba tersebut?


Nata Wirawan 173

Penyelesaian

Tabel 7.2 Cara Menghitung Momen Ketiga dari Distribusi Laba yang Di-peroleh 100 Pengembang Perumahan.

Laba(Puluh Juta Rp) fi mi di fidi fidi

2 fidi3

20 - 2930 - 3940 - 4950 - 5960 - 6970 - 7980 - 89 90 - 99

479

162515177

24,534,544,554,564,574,584,594,5

- 4- 3- 2- 1

0+ 1+ 2+ 3

- 16- 21- 18- 16

0153421

646336160

156863

- 256- 189- 72 - 16

015

136189

Total 100 - 1 325 - 193Sumber : Tabel 7.1

Dari Tabel 7.2, dapat diketahui bahwa n = 100, = -1, = 325, = - 193, dan c = 10. Dari hasil perhitungan pada Tabel 7.1, didapat s = 18,0


a3 = 3

3323

2.3sc

ndf

ndf

ndf

ndf iiiiiiii

+− ∑∑∑∑

=

= { }58321000000002,00975,093,1 ++− = - 0, 31

Oleh karena tanda a3 negatif, maka distribusi laba tersebut menceng kiri dan condong ke kanan

7.3 Ukuran Keruncingan Ukuran keruncingan (kurtosis) sekumpulan data atau suatu distribusi ada-

lah suatu ukuran yang dapat digunakan untuk menentukan runcing tidaknya kurva suatu distribusi. Ukuran keruncingan yang biasa digunakan adalah ko-efisien moment keempat (a4), yang sering disebut koefisien kurtosis. Bentuk keruncingan kurva suatu distribusi dapat digolongkan atas tiga yaitu (1) kurva distribusi liptokurtik, (2) kurva distribusi mesokurtik dan (3) kurva distribusi platikurtik .

Untuk menghitung besarnya koefisien kurtosis dapat dipakai rumus-rumus sebagai berikut :



(1) Untuk data yang belum dikelompokkan

a4 = (7.7)

a4 = koefisien kurtosis/koefisien moment keempat = rata-rata hitung sampel xi = nilai data yang ke-i n = ukuran sampel/jumlah pengamatan s = deviasi standar/simpangan baku sampel

(2) Untuk data yang telah dikelompokkan

Rumus 7.6, h 153

3 = f dn

f dn

f dn

f dn

cs

i i i i i i i i3 2 3 3

33 2

.

Rumus 7.7, h. 154

4 = f dn


f dn

f dn

f dn

f dn

cs

4

4 6 33 2 2 4 4

4



4 = f dn


f dn

f dn

f dn

f dn

cs

4

4 6 33 2 2 4 4

4

4 = 2605100

2 4 4

44 1

100193

1006 1

100325100

3 1100

1018

( ) .( )

= 26 05 4(0 01 193 6 0001 3 25 3 0 01 10000104976

4, , ). , , ( , ) ,

= 26 05 0 0772 0 00195 0 00000003 0 0953, , , , ,

= 2, 47 Rumus 9.11, h. 211

r2 =

Y Y

n

Y Yni

2

2

(7.8) a4 = koefisien moment ke-empat/koefisien kurtosis fi = frekuensi (absolut) kelas ke-i di = deviasi dalam satuan interval kelas n = banyak pengamatan/ukuran sampel s = deviasai standar/simpangan baku sampel c = interval kelas

Untuk dapat mengetahui bentuk kurva suatu distribusi frekuensi apakah bentuknya termasuk bentuk liptokurtik, mesokurtik atau platikurtik (Gupta dan Gupta, 1983) menyatakan sebagai berikut:

(1) Bila nilai koefisien kurtosis lebih besar dari 3 (a4 > 3), maka kurva distribu-si tersebut runcing dan disebut liptokurtik

(2) Bila nilai koefisien kurtosis lebih kecil dari 3 (a4 < 3), maka kurva distribusi tumpul atau landai, dan disebut platikurtik


Nata Wirawan 175

(3) Bila nilai koefisien kurtosis sama dengan 3 (a4 = 3), maka kurva distribu-sinya berbentuk bel atau normal, dan disebut mesokurtik

Gambar 7.6 : Bentuk Kurva Mesokurtik

Contoh 7- 3Berdasarkan data yang terdapat pada Tabel 7.1, hitunglah koefisien kurtosisnya. Tergolong keruncingan manakah kurva distribusi data tersebut?

Penyelesaian

Tabel 7.3 Cara Menghitung Koefisien Kurtosis dari Distribusi Laba yang Diperoleh 100 Pengembang Perumahan.

Laba(Puluh Juta Rp) fi mi di fi di fi di

2 fi di3 fidi

4

20 - 2930 - 3940 - 4950 - 5960 - 6970 - 7980 - 89 90 - 99

479

162515177

24,534,544,554,564,574,584,594,5

- 4- 3- 2- 1

0+ 1+ 2+ 3

- 16- 21- 18- 16

0153421

646336160

156863

- 256- 189- 72 - 16

015

136189

1.024567144160

15272567

Total 100 - 1 325 - 193 2.605Sumber : Tabel 7.1

Dari Tabel 7.3, dapat diketahui bahwa n = 100, = -1, = 325,

= - 193, = 2605, dan c = 10. Dan hasil perhitungan pada Tabel 7.1 didapat s = 18,0




Rumus 7.6, h 153

3 = f dn

f dn

f dn

f dn

cs

i i i i i i i i3 2 3 3

33 2

.

Rumus 7.7, h. 154

4 = f dn


f dn

f dn

f dn

f dn

cs

4

4 6 33 2 2 4 4

4



4 = f dn


f dn

f dn

f dn

f dn

cs

4

4 6 33 2 2 4 4

4

4 = 2605100

2 4 4

44 1

100193

1006 1

100325100

3 1100

1018

( ) .( )

= 26 05 4(0 01 193 6 0001 3 25 3 0 01 10000104976

4, , ). , , ( , ) ,

= 26 05 0 0772 0 00195 0 00000003 0 0953, , , , ,

= 2, 47 Rumus 9.11, h. 211

r2 =

Y Y

n

Y Yni

2

2 Jadi, koefisien kurtosis distribusi laba yang diperoleh oleh pengembang perumahan tersebut sebesar 2,47. Oleh karena a4 = 2,47< 3, maka keruncingan kurva distribusi tersebut tergolong distribusi yang platikurtik.

Soal-soal Latihan

7 - 1 Omzet penjualan per bulan 100 toko disebuah komplek pertokoan dapat dinyatakan dalam tabel frekuensi berikut :

Omzet(Juta Rupiah )

Banyak Toko(Unit)

30 - 39,940 - 49,950 - 59,960 - 69,970 - 79,980 - 89,990 - 99,9

9254015 6 3 2

Total 100

Pertanyaan :(a) Hitunglah besarnya koefisien Skewness menurut metode Karl

Pearson dan metode Bowley.(b) Menceng kemana kurva distribusi frekuensinya? Berikan interpretasi.

Gambar kurvanya.


Nata Wirawan 177

(c) Hitunglah besarnya koefisien momen ke empat (a4), dan tergolong keruncingan mana kurva distribusi frekuensinya?

7 - 2 Sejenis pekerjaan yang dikerjakan oleh pekerja kelompok A dan kelompok B (dirinci menurut lamanya mengerjakan) memberikan data sebagai berikut :

Lama Mengerjakan(Jam )

P e k e r j aKelompok A Kelompok B

200 - 249,99250 - 299,99300 - 349,99350 - 399,99400 - 449,99

25

462819

720345534

Total 100 150

Pertanyaan :(a) Bagaimana kemencengan kurva distribusi frekuensi untuk kelom-

pok A dan B? Mana lebih menceng? Bandingkan.(b) Bagaimana keruncingan kurva distribusi frekuensi? Mana lebih

runcing? Bandingkan.

7 - 3 Saldo piutang dagang PT. Kembar Sakti yang diambil dari transaksi penjualan di dua kantor cabang, cabang Surabaya dan Denpasar, da-pat disajikan dalam tabel frekuensi berikut :

Saldo Piutang(Juta Rupiah) Denpasar Surabaya

2 - 2,93 - 3,94 - 4,95 - 5,96 - 6,97 - 7,9

2 61215223

420181495

Total 60 70

Pertanyaan :(a) Bagaimana kemencengan kurva distribusi frekuensi saldo piutang

PT Kembar Sakti untuk Cabang Denpasar dan Surabaya?(b) Bagaimana keruncingan kurva distribusi frekuensi saldo piutang

PT Kembar Sakti untuk Cabang Denpasar dan Surabaya?

7 - 4 Nilai kredit macet dari 250 nasabah bank umum (sampel acak) di sebuah provinsi adalah sebagai berikut:



Nilai Kredit(Juta Rupiah)

BanyakNasabah (Orang)

30 – 39,9940 - 49,9950 - 59,9960 - 69,9970 - 79,9980 - 89,9990 - 99,99

101536701305831

Total 350

(a) Tentukanlah kemencengan kurva distribusi frekuensinya.(b) Tentukanlah keruncingan kurva distribusi frekuensinya.

7- 5 Hasil survei sampel acak 80 hotel berbintang mengenai tingkat huniannya didapat hasil sebagai berikut.

Tingkat Hunian(%)

Banyak Hotel(fi)

55 – 59,960 – 64,965 – 69,970 – 74,975 – 79,980 – 84,9

273224105

Total 80

Berdasarkan data tersebut, tentukanlah(a) Tentukanlah kemencengan kurva distribusi frekuensinya.(b) Tentukanlah keruncingan kurva distribusi frekuensinya.

7- 6 Berikut ini adalah data mengenai aset dari 80 perusahaan nasional yang telah mempublikasikan laporan keuangannya melalui media cetak (surat kabar) yang diambil sebagai sampel acak.

Aset(Puluh Miliar Rp)

Banyak Perusahaan(unit)

60 - 6465 – 6970 – 7475 – 7980 – 8485 - 89

571024322

Total 80Berdasarkan data tersebut, tentukanlah(a) Tentukanlah kemencengan kurva distribusi frekuensinya.(b) Tentukanlah keruncingan kurva distribusi frekuensinya.

Nata Wirawan 179

ANALISIS

DERET WAKTU

8.1 PengantarUntuk dapat meramalkan, memperkirakan atau memprediksi sesuatu (nilai

suatu variabel) di masa yang akan datang, perlu adanya data masa lampau. Kualitas dari suatu ramalan, perkiraan atau prediksi sangat berkait-an erat dengan informasi yang dapat diserap dari data masa lampau. Para pelaku ekonomi dan bisnis, terutama pengambil keputusan sangat berkepentingan dengan adanya data masa lampau. Data masa lampau dipelajari, lalu dianali-sis, berdasarkan hasil analisis itu, ia memperoleh suatu gambaran mengenai sesuatu (nilai suatu variabel) di masa yang akan datang. Berdasarkan gam-baran yang diperoleh ia mengambil keputusan untuk merencanakan suatu kegiatan.

Dalam bab ini akan dibahas mengenai pengertian analisis deret waktu, komponen data deret waktu, tren jangka panjang, tren linear, tren parabolis, dan variasi musim. Tujuan bab ini adalah sebagai berikut: Setelah mahasiswa mempelajari bab ini, mahasiswa (peserta didik) diharapkan dapat memahami dan mengerti tentang analisis data berkala.

8.2 Pengertian Data dan Analisis Deret WaktuDi bawah ini diberikan tiga contoh data deret waktu, contoh yang pertama

(Tabel 8.1) menggambarkan perkembangan nilai ekspor Indonesia periode waktu 2005-2010. Contoh yang kedua (Tabel 8.2) menggambarkan perkem-bangan jumlah penduduk miskin di Indonesia, periode 2007- 2011. Contoh

8. Analisis Deret Waktu


yang ketiga (Tabel 8.3), menggambarkan perkembangan utang luar negeri Indonesia periode 2006 -2010.

Tabel 8.1 Nilai Ekspor Indonesia Periode 2005 - 2010 (Juta US $)

Tahun Nilai ekspor200520062007200820092010

85.660,0100.798,6114.100,9137.020,4116.510,0157.779,1

Sumber : BPS – Jakarta, 2011

Tabel 8.2 Jumlah Penduduk Miskin di Indonesia Periode 2007- 2011 (juta orang)

Periode Jumlah Penduduk Miskin20072008200920102011

37,1734,9632,5331,0230,02

Sumber : BPS-Jakarta, 2011

Tabel 8.3 Jumlah Utang Luar Negeri Indonesia Periode 2006 - 2010 (juta US $)

Periode Nilai Utang20062007200820092010

132.633141.180155.080172. 871202.413

Sumber : BPS- Jakarta, 2011

Ketiga contoh yaitu data yang disajikan pada Tabel 8.1, Tabel 8.2 dan Tabel 8.3 merupakan contoh data deret waktu, yaitu suatu data yang disusun secara berurutan berdasarkan waktu kejadiannya. Dengan membaca data yang disajikan pada Tabel 8.1, dapat diketahui mengenai perkembangan nilai ekspor Indonesia periode 2005-2010, demikian juga halnya dengan membaca Tabel 8.2, dapat diketahui perkembangan mengenai jumlah penduduk miskin di Indonesia selama periode 2007-2011. Jadi, yang dimaksudkan dengan data deret waktu (data berkala) adalah data yang disusun berdasarkan urutan waktu terjadinya dan menggambarkan perkembangan suatu kejadian


Nata Wirawan 181

atau suatu kegiatan. Data masa lampau itu, dapat saja dicatat secara berturut-turut dalam interval waktu satu tahun, satu semester, satu kwartal, satu triwulan, bulanan, harian dan satuan waktu lainnya. Sedangkan yang dimaksudkan dengan analisis deret waktu (analisis data berkala) adalah suatu metode kuantitatif yang mempelajari pola gerakan data masa lampau yang teratur. Jika pola data masa lampau telah diketahui atau ditemukan, maka berdasarkan pola tersebut diharapkan dapat mengadakan peramalan/taksiran dan perencanaan dimasa yang akan datang.

8.3 Komponen Deret WaktuPada umumnya perubahan yang terjadi dalam data statistik dalam sedere-

tan waktu tertentu dipengaruhi oleh berbagai faktor. Menurut model klasik va-riabel deret waktu dipengaruhi oleh empat (4) gerakan atau perubahan yang disebut komponen-komponen deret waktu. Keempat komponen deret waktu tersebut adalah (1) Tren sekuler (T), (2) Variasi musim (S), (3) Variasi siklis (C), dan (4) Variasi residu (I). Suatu nilai dari deret waktu, dapat terdiri dari semua atau beberapa komponen saja. Model klasik mengasumsikan bahwa nilai data deret waktu (Y), merupakan gabungan perkalian dari nilai-nilai kom-ponennya. Sehingga bentuk modelnya, dapat dinyatakan sebagai berikut :

(8.1)

1 Tren sekulerTren sekuler atau tren jangka panjang atau tren saja adalah gerakan naik

turun di dalam jangka waktu yang panjang. Menurut geraknya tren sekuler ini, dapat dibedakan atas tiga yaitu: (1) tren naik, (2) tren tetap, dan (3) tren turun

Di bawah ini diberikan contoh gambar garfik tren naik, tren tetap dan tren turun, masing-masing satu contoh yang bersifat hipotetis.

Grafik 8.1Trend Naik Biaya Hidup

Kurun Waktu Tahun 2007- 2011

050

100150200250300350

0 2007 2008 2009 2010 2011

0bservasi trend

�



Grafik 8.2Trend Tetap Daya Tampung PTN

Kurun Waktu Tahun 2006-2011

0123456

2006 2007 2008 2009 2010 2011

observasi trend

Tahun

Grafik 8.3

Trend Turun Dari Luas Lahan Pertanian Pada Daerah "X"

Kurun waktu 2006 - 2011

0100200300400500

0 2006 2007 2008 2009 2010 2011

0bservasi trend turun

Umumnya biaya hidup dari waktu ke waktu cenderung meningkat terus. Prihal ini ditunjukkan oleh Grafik 8.1. Kejadian yang sama berlaku juga untuk usia, bahwa usia seseorang dari tahun ke tahun bertambah terus. Gejala sejenis itu disebut tren naik.

Daya tampung perguruan tinggi negeri dari tahun ke tahun dianggap tetap, yang dikarenakan tidak didirikan perguruan tinggi yang baru. Umumnya jumlah mahasiswa yang diterima dari tahun ke tahun sesuai dengan daya tampungnya. Jadi tetap jumlahnya. Gejala semacam itu disebut tren tetap (lihat Grafik 8.2)

Lahan pertanian diperkotaan bahkan di pedesaan makin hari, dari waktu ke waktu semakin sempit. Hal ini disebabkan oleh banyak lahan pertanian yang telah beralih fungsi. Komplek perumahan didirikan, kawasan industri, sekolah dan fasilitas yang lainnya dibangun di atas tanah yang dulunya me-rupakan lahan pertanian. Sehingga lahan pertanian semakin hari semakin sempit. Gejala semacam itu disebut tren turun (lihat Grafik 8.3)

2 Variasi MusimVariasi musim atau gerak musim adalah gerak naik atau turun secara pe-

riodik dalam jangka waktu kurang dari satu tahun. Sebagai contoh misalnya, penjualan telor yang melonjak pada masa bulan puasa, penjualan pakaian


Nata Wirawan 183

yang melonjak pada hari-hari menjelang hari raya besar dan hari-hari per-gantian tahun. Demikian juga halnya dengan produksi di bidang pertanian, pada bulan-bulan tertentu untuk komoditas tertentu produksinya melimpah, dan kejadian seperti itu akan berulang kembali pada bulan-bulan yang sama untuk tahun berikutnya.

Gerak musim ini biasanya dinyatakan dalam persen (%), oleh sebab itu disebut dengan istilah seasonal indeks. Misalkan seasonal indeks penjualan suatu komoditas tertentu pada hari raya besar 150%, artinya penjualan komoditas pada hari raya besar tersebut 50% di atas keadaan normal, keadaan normal dinyatakan dengan indeks 100%. Untuk lebih jelasnya mengenai pola gerak musim, di bawah ini dikemukakan sebuah contoh yang bersifat hipotetis sebagai berikut :

Tabel 8.4 Perhitungan Pola Gerak Musim

TriwulanPenjualan Triwulan Spesifikasi Gerak Musim (%) Pola Musim

(%) 2009 2010 2011 2009 2010 2011

g=(d+e+f):3(a) (b ) (c) d = a :ā e = b : f = c : IIIIIIIV

40609065

505510575

506511090

6394141102

7077147105

6383140114

6585143107

Rata-rata63,75 71,25 78,75 100

ā = ( )

Jika data pada Tabel 8.4, disajikan dalam bentuk grafik bentuknya sebagai berikut :

Grafik 8.4Grafik Gerak Musim Tahun 2009 - 2011

(dalam prosen)

0

20

40

60

80

100

120

140

160

I II III IV I II III IV I II III IV

2009 2010 2011

Triwulan

Seas

onal

Ind

eks

(%)



3 Variasi SiklisVariasi siklis atau gerak siklis adalah gerak naik atau turun secara periodik

didalam jangka waktu panjang yaitu 5 tahun, 10 tahun, 20 tahun, 25 tahun atau lebih. Kegiatan ekonomi seperti kegiatan dalam dunia perdagangan ke-rapkali menunjukkan gerak-gerakan naik- turun secara siklis disekitar kondisi normalnya. Business Cyclis adalah sebuah contoh dari gerakan siklis ini. Periode business cyclis dibedakan atas 4 bagian yaitu :(1) masa pemulihan (Revival phase), (2) masa kemakmuran (Prosperity phase), (3) masa kemunduran / krisis (Crisis phase), (4) masa kehancuran (Depression phase)

Untuk lebih jelasnya keadaan phase-phase tersebut, perhatikan Grafik 8.5.

4 Variasi ResiduVariasi residu adalah gerakan yang tidak teratur dan sulit untuk diramalkan,

merupakan gerakan yang disebabkan oleh faktor kebetulan. Gerakan semacam ini umumnya timbul sebagai akibat dari bencana alam, kelaparan, kekeringan, peperangan, perubahan politik, pemogokan, dan kejadian lainnya. Gerakan semacam itu dapat mempengaruhi kegiatan ekonomi, seperti: kegiatan perdagangan, produksi, kegiatan investasi dan lain- lain, sehingga menciptakan fluktuasi-fluktuasi yang kadang-kadang terasa sekali tapi kadang-kadang tidak terasa.

8.4 Tren LinearGaris tren dapat berupa garis lurus (linear), dapat juga berupa bu-kan

garis lurus (tan - linear). Pada bagian ini akan dibahas mengenai tren linear. Sementara tren tan-linear akan dibahas pada bagian lainnya.


Nata Wirawan 185

8.4.1 Persamaan Tren Linear. Tren linear memiliki persamaan yang secara umum dapat dinyatakan

sebagai berikut :

Y = a + bX (8.2)

Y = variabel terikat. X = variabel bebas (dalam hal ini, x = waktu). a = intersep Y, merupakan bilangan konstan. b = slope/arah garis tren.

8.4.2 Metode Penentuan Tren LinearAda empat cara (metode) yang umum digunakan untuk menyusun

atau menentukan tren linear yaitu :(1) Metode bebas (Freehand Method )(2) Metode setengah rata-rata (Semi Average Method )(3) Metode rata-rata bergerak (Moving Average Method )(4) Metode kuadrat terkecil (Least Squares Method )

8.4.2- 1 Metode BebasMetode ini paling sederhana dibandingkan dengan tiga metode lainnya.

Untuk menentukan gerak tren dengan cara ini, setelah data hasil obser-vasi dibuat diagram pencarnya dan boleh juga grafiknya, baru kemudian ditarik garis lurus secara bebas melalui diagram pencar. Metode ini menghasilkan tren yang bersifat sangat subyektif.

8.4.2- 2 Metode Setengah Rata-rataMenentukan tren menurut metode ini tahapannya sebagai berikut :

(1) Bagilah data deret waktu tersebut menjadi dua kelompok yaitu ke-lompok I dan kelompok II yang memiliki jumlah data yang sama.(a) Bila jumlah (data) tahunnya genap langsung dibagi dua saja. Hasilnya

ada dua kemungkinan : (1) dua kelompok data genap, dan (2) dua kelompok data ganjil.

(b) Bila jumlah tahunnya ganjil, tahun pertengahan dihilangkan saja atau dimasukkan ke dalam kedua kelompok. Hasilnya ada dua kemungkinan juga yaitu: (1) dua kelompok data genap, dan (2) dua kelompok data ganjil.

(2) Carilah rata-rata hitung tiap kelompok ( ), rata-rata hitung ini disebut setengah rata-rata, dan letakkan pada tahun pertengahan tiap kelompok.

(3) Nilai setengah rata-rata pada masing-masing kelompok dapat diang-gap sebagai nilai tren per 30 Juni masing-masing periode dasar (perio-de dasar = tahun yang memuat nilai setengah rata-rata).



(4) Carilah perubahan nilai tren (rata-rata pertambahan atau rata-rata pe-nurunan tiap tahunnya) dengan rumus :

b = (8.3)

b = rata - rata perubahan variabel y per periode waktu (tahun). (Bila b > 0 = pertambahan dan bila b < 0 = penurunan). n = banyaknya unit tahun antara tahun dasar (periode

sampai dengan ).

(5) Nilai tren pada periode (tahun) tertentu dapat dihitung dengan rumus : Y’ = a + bX (8.4) Y’ = nilai tren pada periode tertentu, a = nilai tren periode dasar.b = rata-rata perubahan nilai tren per satuan waktu (tahun)

Nilai tren pada tahun dasar (x = 0), otomatis sama dengan nilai rata-rata tiap kelompok.

Agar lebih jelas perhatikan contoh di bawah ini. Dua contoh pertama yaitu Contoh 8-1 dan Contoh 8-2 adalah contoh dengan jumlah data (tahun) genap.

Contoh 8 - 1Berdasarkan data yang tercantum pada Tabel 8.5, (a) Tentukan persamaan trennya.(b) Berikan interpretasi nilai b yang diperoleh.(c) Tentukan nilai tren untuk masing-masing tahun.(d) Perkirakan atau ramalkan banyaknya wisatawan mancanegara yang

datang langsung ke Bali pada tahun 2012 dan 2013.(e) Buatlah grafiknya.

Tabel 8.5 Banyaknya Wisatawan Mancanegara yang Datang Langsung ke Bali, Tahun 2005 - 2010

Tahun 2005 2006 2007 2008 2009 2010Banyak Wisatawan(Juta orang) 1,39 1,26 1,67 2,09 2,39 2,58

Sumber : BPS Provinsi Bali, 2011. Data dibulatkan.

Penyelesaian (a) Menentukan persamaan trenDalam hal ini n = 6 (genap) → n/2 = 6/2 = 3 → dua kelompok data ganjil yang masing terdiri atas 3 buah data.


Nata Wirawan 187

Tabel 8.5a Perhitungan Tren dengan Metode Semi Rata-rata, Banyaknya Wisman yang Datang Langsung ke Bali Tahun 2005 - 2010

Tahun Jumlah wisatawan (juta orang)

Rata-rata tiap kelompok / setengah rata-rata

(Juta Orang)

Nilai tren (Juta orang)

200520062007

200820092010

...........1,44

...........

...........2,35

...........

Sumber : Tabel 8.5

Dari Tabel 8.5a dapat diketahui, bahwa:a = 1,44 juta orang (Nilai tren per 30 Juni tahun 2006) ataua = 2,35 juta orang (Nilai tren per 30 Juni tahun 2009)

n = 2009 - 2006 = 3

Selanjutnya per rumus (8.3) nilai b dihitung dan didapat,

b = = 3

44,12,35 − = 0,30

Jadi, persamaan trennya:

(1) Y’ = 1,44 + 0,30X (Tahun dasar 2006)atau (2) Y’ = 2,35 + 0,30X (Tahun dasar 2009)

(b) Interpretasi nilai b = 0,30. Nilai b sebesar 0,30 itu berarti bahwa rata-rata peningkatan/pertambahan jumlah wisatawan mancanegara yang datang langsung ke Bali sebanyak 0,30 juta orang (300.000 orang) per tahunnya dalam kurun waktu 2005 – 2010.

(c) Menentukan nilai tren masing-masing tahun Nilai tren pada masing-masing tahun dapat ditentukan berdasarkan salah

satu persamaan tren pada butir (a). Berikut ini, nilai tren masing-masing tahun akan dihitung berdasarkan per-

samaan tren dengan tahun dasar 2006

Terlebih dahulu dibuat skala x nya. X = 0 diletakan pada tahun dasar (ta-hun 2006). Skala x yang lainnya, nilai dan letaknya sebagai berikut.

I⎪⎭

⎪⎬

⎫

67,126,139,1

II⎪⎭

⎪⎬

⎫

58,239,209,2

44,1332,4

1 ==x

35,2306,7

2 ==x



Tahun 2005 ’06 ’07 ’08 ’09 ’10 ’11 ’12 ’13X

(1 th) -1 0 1 2 3 4 5 6 7

Berdasarkan persamaan tren pada butir (a) yaitu Y’ = 1,44 + 0,30X, maka nilai tren masing-masing tahun dapat dihitung sebagai berikut :

Persamaan tren → Y’ = 1,44 + 0,30X (tahun dasar 2006)

Untuk tahun 2005 → Y’ = 1,44 + 0,30(-1) = 1,14

Untuk tahun 2006 → Y’ = 1,44 + 0,30(0) = 1,44 Untuk tahun 2007 → Y’ = 1,44 + 0,30(1) = 1,74

Untuk tahun 2008 → Y’ = 1,44 + 0,30(2) = 2,04

Untuk tahun 2009 → Y’ = 1,44 + 0,30(3) = 2,34

Untuk tahun 2010 → Y’ = 1,44 + 0,30(4) = 2,64

Bila nilai-nilai tren ini ditabelkan tampaknya seperti dalam Tabel 8.7.

Tabel 8.5b Banyaknya Wisatawan Mancanegara yang Datang Langsung ke Bali dan Trennya, 2005 - 2013

Tahun Jumlah wisatawan (juta orang)

Nilai tren (juta orang)

200520062007200820092010

1,391,261,672,092,392,58

1,141,441,742,042,342,64

(d) Perkiraan banyaknya wisatawan mancanegara yang datang langsung ke Bali pada tahun 2012 dan 2013Persamaan tren → Y = 1,44 + 0,30X (tahun dasar 2006) Untuk tahun 2012 → Y’ = 1,44 + 0,30(6) = 3,24 Untuk tahun 2013 → Y’ = 1,44 + 0,30(7) = 3,54


Nata Wirawan 189

Jadi, banyaknya wisatawan mancanegara yang datang langsung ke Bali pada tahun 2012 dan 2013 berturut-turut diperkirakan atau diramalkan sebanyak 3,24 juta orang dan 3,54 juta orang.

(e) Gambar grafik dari tren linear tersebut Untuk membuat grafik tren garis lurus dari nilai tren Tabel 8.7 cukup

menghubung titik A dengan koordinat (2006; 1,44) dan titik B dengan koordinat (2009; 2,34) sebagai berikut :

Grafik 8.6Garis Tren dengan metode

Semi Rata - rata

0

1

2

3

4

5

2005 2006 2007 2008 2009 2010

Data Observasi tren

(A)

(B)

Tahun

Contoh 8 - 2Produksi padi Provinsi Bali periode 2006 - 2013 (dalam ribu ton) disajikan

dalam Tabel 8.6.

Tabel 8.6 Produksi Padi Provinsi Bali Tahun 2006-2013

Tahun Jumlah Produksi(Ribu Ton)

20062007200820092010201120122013

840,891839,775840,465878,764869,161860,260865,554882,092

Sumber : BPS Provinsi Bali, 2014



Pertanyaan (a) Dengan metode semi rata-rata, tentukanlah persamaan trennya(b) Berikanlah interpretasi nilai b yang diperoleh.(c) Taksirlah produksi padi pada tahun 2015 dan 2016.(d) Carilah nilai tren untuk masing - masing tahun.

Penyelesaian Dalam hal ini n = 8 (genap) → n/2 = 8/2 = 4 → dua kelompok data genap yang masing-masing terdiri atas 4 buah data.

Tabel 8.6a Perhitungan Unsur-unsur persamaan Tren Produksi Padi Provinsi Bali Periode 2006 – 2013

TahunJumlah Produksi

(Ribu Ton)Semi rata-rata(x 1000 ton)

Nilai tren(Ribu Ton)

2006 840,891 ........2007 839,775 ........

.................. 974,8494895,399.3

1 ==x 849,974

2008 840,465 ........2009 878,764 .........

2010 869,161 ..........2011 860,260 .........

................. 267,8694067,477.3

2 ==x 869,267

2012 865,554 ........2013 882,092 .........

Dari Tabel 8.6a dapat diketahui bahwaa = 849,974 atau a = 869,267n = 20111/22 - 20071/2 = 4, maka

b = = 4

974,849267,869 − = 4,823

(a) Persamaan trennya adalahY’ = a + bX = 849,974 + 4,823X (Tahun dasar antara tahun 2007dan 2008)AtauY’ = a + bX = 869,267 + 4,823X (Tahun dasar antara tahun 2011 dan 2012)

(b) Interpretasi nilai b. Nilai b = 4,823 memiliki arti bahwa rata-rata per-tambahan produksi padi Provinsi Bali sebesar 4,823 ribu ton per tahun selama periode 2006-2013.


Nata Wirawan 191

(c) Taksiran produksi padi untuk Tahun 2014 dan 2015. Untuk menaksir produksi padi pada tahun 2014 dan 2015, dapat digunkan

salah satu persamaan tren di atas. Berikut ini digunakan persamaan tren dengan tahun dasar antara 2011 dan 2012, caranya sebagai berikut.

X = 0 diletakkan antara tahun 2011 dan 2012, nilai dan letak skala x yang lainnya, sebagai berikut:

Tahun 2006 ’07 ’08 ’09 ’10 ’11 ’12 ’13 ’14 ’15 X(1 Th) -11/2 -9/2 -7/2 -5/2 -3/2 -1/2 0 1/2 3/2 5/2 7/2

Persamaan tren Y’ = 869,267 + 4,823X Tren tahun 2014 → Y’ = 869,267 + 4,823 (5/2) = 893,382

Tren tahun 2015 → Y’ = 869,267 + 4,823(7/2) = 903,028

Jadi, produksi padi pada tahun 2014 dan 2015 masing-masing ditaksir sebesar 893,382 ribu ton dan 903,028 ribu ton.

(d) Nilai tren pada dari tahun 2006 sampai dengan 2013, dihitung sebagai berikut:

Persamaan tren → Y’ = 869,267 + 4,823X

Nilai tren tahun 2006 → Y’ = 869,267 + 4,823(-11/2) = 842,741 Nilai tren tahun 2007 → Y ‘ = 869,267 + 4,823(-9/2) = 847,563 Nilai tren tahun 2008 → Y ‘ = 869,267 + 4,823(-7/2) = 852,386 Nilai tren tahun 2009 → Y ‘ = 869,267 + 4,823(-5/2) = 857,209 Nilai tren tahun 2010 → Y ‘ = 869,267 + 4,823(-3/2) = 862,033 Nilai tren tahun 2011 → Y ‘ = 869,267 + 4,823(-1/2)

= 866,856 Nilai tren tahun 2012 → Y ‘ = 869,267 + 4,823(1/2)

= 871,678 Nilai tren tahun 2013 → Y ‘ = 869,267 + 4,823(3/2)

= 878,913

Dua contoh berikut ini, contoh 8-3 dan contoh 8-4 adalah contoh yang jumlah data (tahun)nya ganjil.



Contoh 8 - 3Perkembangan omzet penjualan (miliar rupiah) sebuah supermarket tujuh

(7) tahun terakhir disajikan dalam Tabel 8.7.

Tabel 8.7 Omzet Penjualan Supermarket 2009-2015.

Tahun Omzet Penjualan(Ribu Ton)

2009201020112012201320142015

200250300375425450520

Sumber : Data hipotetik Pertanyaan (a) Dengan metode semi rata-rata, carilah persamaan trennya(b) Berikanlah interpretasi nilai b yang diperoleh.(c) Taksirlah omzet penjualan supermarket pada tahun 2016 dan 2017.

Penyelesaiann = 7 (ganjil), oleh karena jumlah data (tahunnya) ganjil maka ada dua

cara : (1) data yang terletak di tengah dihilangkan/tidak diikutkan dalam analisis, cara ini lebih mudah dikerjakan, dan (2) data yang terletak ditengah dimasukkan/diikutsertakan ke dalam dua kelompok.

Cara 1. Data yang terletak di tengah (yaitu tahun 2012) dihilangkan, jadi data yang tersisa berjumlah n -1 = 7-1 = 6. Selanjutnya n-1/2 = 6/2 = 3. Jadi masing-masing kelompok data terdiri atas 3 buah data.

Tabel 8-7a Perhitungan Unsur-unsur Persamaan Tren

Tahun Omzet Penjualan(Miliar Rp)

Rata-rata Tiap Kelompok (Miliar Rp) Tren

2009 200

2010 2501x = 750/3 = 250 250

2011 300

2013 425

2014 4502x = 1395/3 = 465 465

2015 520

Dari Tabel 8-7a dapat diketahui bahwa a = 250 atau a = 465


Nata Wirawan 193

n = 2014 – 2010 = 4, selanjutnya per rumus (8.3) nilai b dihitung dan didapat,

b = = 4

250465 − = 53,75

(a) Persamaan trennya adalah Y’ = a + bX = 250 + 53,75X (Tahun dasar 2010)AtauY’ = a + bX = 465 + 53,75X (Tahun dasar 2014)

(b) Interpretasi nilai b. Nilai b = 53,75 memiliki arti bahwa rata-rata kenai-kan omzet penjualan supermrket tersebut 53,75 miliar rupiah per tahun selama periode 2009-2015.

(c) Taksiran omzet penjualan pada tahun 2016 dan 2017. Untuk menaksir omzet penjualan pada tahun 2016 dan 2017, akan digu-

nakan persamaan tren yang tahun dasarnya 2014. Caranya sebagai beri-kut:

x = 0 diletakkan pada tahun 2014, nilai dan letak skala x yang lainnya, sebagai berikut:

Tahun ’09 ’10 ’11 ’12 ’13 ’14 ’15 ’16 ’17

X (1 th) -5 -4 -3 -2 -1 0 1 2 3

Persamaan tren Y’ = 465 + 53,75X (tahun dasar 2014)

Tren tahun 2016 → Y’ = 465 + 53,75(2) = 572,5

Tren tahun 2017 → Y’ = 465 + 53,75(3) = 626,25Jadi, omzet penjualan supermarket pada tahun 2016 dan 2017 masing-masing ditaksir sebesar 572,5 milair rupiah dan 626,25 miliar rupiah.

(1) Cara 2. Data yang terletak di tengah (yaitu tahun 2012) dimasukkan ke dalam kedua kelompok, dimasukkan dalam kelompok pertama dan dalam kelompok kedua. Jadi jumlah data sekarang adalah n + 1 = 7 + 1 = 8. Se-lanjutnya (n +1)/2 = 8/2 = 4. Jadi masing-masing kelompok data terdiri atas 4 buah data.



Tabel 8-7b Perhitungan Unsur-unsur Persamaan Tren

Tahun Omzet Penjualan(Miliar Rp)

Rata-rata Tiap Kelompok (Miliar Rp) Tren

2009 2002010 250

........................ 1x = 1125/4 = 250 281,252011 3002012 375

2012 3752013 425

....................... 2x = 1770/4 = 465 442,52014 4502015 520

Dari Tabel 8-7b, dapat diketahui bahwa

a = 281,25 atau a = 442,5

n = 20131/2 – 20101/2 = 3, selanjutnya per rumus (8.3) nilai b dihitung dan didapat,

b = = 3

25,2815,442 − = 53,74

(a) Persamaan trennya adalahY’ = a + bX = 281,25 + 53,74X (Tahun dasar antara 2010 dan 2011)AtauY’ = a + bX = 442,5 + 53,74X (Tahun dasar antara 2013 dan 2014)

(b) Interpretasi nilai b. Nilai b = 53,74 memiliki arti bahwa rata-rata kenai-kan omzet penjualan supermarket tersebut 53,74 miliar rupiah per tahun selama periode 2009-2015.

(c) Taksiran omzet penjualan pada tahun 2016 dan 2017. Untuk menaksir omzet penjualan pada tahun 2016 dan 2017, berikut ini

akan digunakan persamaan tren yang tahun dasarnya 2014. Caranya se-bagai berikut:

x = 0 diletakkan antara tahun 2013 dan 2014, nilai dan letak skala x yang lainnya, sebagai berikut:

Tahun ’09 ’10 ’11 ’12 ’13 ’14 ’15 ’16 ’17

X(1 Th.) -11/2 -7/2 -5/2 -3/2 -1/2 0 1/2 3/2 5/2 7/2


Nata Wirawan 195

Persamaan tren Y’ = 442,5 + 53,74X Tren tahun 2016 → Y’ = 442,5 + 53,75(5/2)

= 576,875

Tren tahun 2017 → Y’ = 442,5 + 53,75(7/2) = 630,625

Jadi, omzet penjualan supermarket tersebut pada tahun 2016 dan 2017 masing-masing ditaksir sebesar 576,875 milair rupiah dan 630,625 miliar rupiah.

8.4.2- 3 Metode Rata-rata BergerakDengan metode ini, pengaruh gerak musim dan faktor-faktor lain dapat

dihilangkan sehingga tren dapat dihitung. Dalam metode ini nilai data ta-hunan (semesteran, bulanan, kwartalan, triwulan) diganti dengan nilai rata - ratanya. Untuk data triwulanan sebaiknya 4 triwulan dipakai sebagai dasar perhitungan tren, dan jika datanya berupa bulanan digunakan dasar 12 bulan sebagai dasar perhitungan tren. Agar lebih jelas perhatikan Contoh 8.4.

Contoh 8 - 4Berdasarkan data yang tercantum pada Tabel 8.8 hitunglah nilai tren rata-

rata bergerak dengan dasar 3 tahun.

Penyelesaian

Tabel 8.8 Perhitungan Tren dengan Metode Rata-rata Bergerak dengan Dasar 3 tahun.

TahunJumlah

Wisatawan(Juta Orang)

Moving TotalDasar 3 tahun

Nilai tren Rata- rata Bergerak Dasar

3 Tahun20052006

2007200820092010

1,391,361,672,092,392,58

-4,425,126,157,06

-

-1,471,712,052,35

-

Sumber : Tabel 8.6

Nilai tren untuk tahun 2006, 2007, 2008 dan 2009 tercantum pada kolom terakhir Tabel 8.8.

dst



8.5 Metode Kuadrat TerkecilCara yang lebih umum dan lebih baik untuk menentukan garis tren

dibandingkan dengan cara lainnya adalah cara kuadrat terkecil (metode Least Squares). Prinsip dari cara kuadrat terkecil yaitu meminimumkan jumlah kuadrat penyimpangan (selisih) nilai variabel bebasnya (Yi) dengan nilai tren /nilai ramalannya ( '

iY ), yaitu ( )2'∑ − ii YY = 2∑e . Selisih/beda nilai

Yi dan 'iY yaitu (Yi - '

iY ) disebut penyimpangan atau error atau residual.

Gambar 8.1Penyimpangan Masing - masing

DataTerhadap Nilai Tren

. Y1

· Y2

. Y3.Y4

·Y5 .Yi

Tren Y ' = a + bX

( Y ' - Yi )

Y

X

Dengan bantuan kalkulus yaitu derivasi parsial (disini tidak diuraikan), ∑(yi - y')2 diminimumkan, akan diperoleh dua buah persamaan normal sebagai berikut:

∑Yi = na + b∑Xi (8.5) ∑Xi = a∑Xi + b∑Xi

2 (8.6)

dengan menyelesaikan kedua persamaan normal ini secara simultan, nilai a dan b dari persamaan tren Y‘ = a + bX dapat dihitung. Agar perhitungan menjadi lebih sederhana pemberian kode pada nilai x (tahun) diupayakan sedemikian rupa sehingga ∑Xi = 0,

Dengan cara demikian persamaan normal (8.5) dan (8.6) menjadi lebih sederhan sebagai berikut:

a = YnYi =∑ (8.7)

b = (8.8)

n = banyaknya pasangan data

Setelah nilai a dan b dihitung dengan rumus (8.7) dan (8.8), selanjutnya dengan memasukkan nilai a dan b ke dalam persamaan (8.2) maka persamaan tren linearnya dapat disusun sebagai berikut:


Nata Wirawan 197

Y‘ = a + bX

Y‘ = nilai taksiran atau nilai trena = intersep, yaitu besarnya nilai Y, bila nilai X = 0b = slope garis tren, yaitu perubahan variabel Y untuk setiap perubahan

satu unit variabel XX = periode waktu

Untuk me-ngenol-kan nilai ∑Xi yaitu ∑Xi = 0, tergantung dari jumlah data tahunnya yaitu genap atau ganjil, caranya sebagai berikut (Levin, 1981):

(1) Bila jumlah data tahun tidak habis dibagi dua yaitu ganjil, dipakai sekala x = 1 tahun. Tahun dasar diletakkan pada tahun yang ditengah, misalnya sebagai berikut:

2006 2007 2008 2009 2010 2011 2012 Tahun -3 -2 -1 0 1 2 3 skala x

(2) Bila jumlah data tahun habis dibagi dua yaitu genap, dipakai skala x = 1/2 tahun. Tahun dasar diletakkan pada pertengahan tahun, misalnya sebagai berikut:

2007 2008 2009 2010 2011 2012 Tahun -5 -3 -1 0 1 3 5 Skala x

Agar lebih jelas menentukan tren dengan metode kuadrat terkecil, berikut ini diberikan dua contoh, satu contoh dengan jumlah pasangan data genap dan satunya lagi dengan jumlah pasangan data ganjil.

Contoh 8 - 5Berdasarkan data yang tercantum pada Tabel 8.5.

(a) Coba saudara susun persamaan trennya menurut metode kuadrat terkecil .(b) Hitunglah nilai tren untuk masing-masing tahun. (c) Proyeksikan/taksirlah banyaknya wisatawan asing yang langsung datang

ke Bali pada tahun 2013.

Penyelesaian

(a) Menentukan persamaan tren Banyaknya pasangan datanya genap yaitu n = 6, maka tahun dasar dile-

takkan antara tahun 2007dan 2008, sebagai berikut:



Tabel 8.9 Perhitungan Tren Banyaknya Wisman yang Langsung Datang ke Bali Periode 2005 – 2010.

TahunBanyaknya

Wisatawan (Yi)(juta orang )

Xi Xi 2 Xi Yi Yi' (tren)

200520062007

200820092010

1,391,261,67

..........2,092,392,58

- 5- 3- 10

+ 1+ 3+ 5

+ 25+ 9+ 1

1925

- 6,95- 3,78- 1,67

2,097,17

12,90

1,191,471,75

2,032,312,59

Total 11,38 70 9,76Sumber : Tabel 8.5

Dari Tabel 8.10, dapat diketahui ∑Yi = 11,58 ∑XiYi = 9,76∑Xi

2= 70, n = 6

Per rumus (8.7) dan (8.8) dapat dihitung a dan b,

a = nYi∑

b =

= = 7076,9

= 1,89 = 0,14

Jadi, persamaan garis trennya

Y ‘ = a + bX = 1,89 + 0,14X

Titik asal antara tahun 2007 dan 2008, satuan X = 0,5 tahun,Y = banyaknya wisatawan setiap tahun (dalam ribu orang).

(b) Menghitung nilai tren tahun lainnyaNilai tren untuk Tahun 2005 (nilai X = -5) ; Y‘ = 1,89 + 0,14 (-5) = 1,19Tahun 2006 (nilai X = -3) ; Y‘ = 1,89 + 0,14 (-3) = 1,47Tahun 2007 (nilai X = -1); Y‘ = 1,89 + 0,14 (-1) = 1,75Tahun 2008 (nilai X = +1); Y‘ = 1,89 + 0,14 (+1) = 2,03


Nata Wirawan 199

Tahun 2009 (nilai X = + 3); Y‘ = 1,89 + 0,14 (+3) = 2,31Tahun 2010 (nilai X = + 5); Y‘ = 1,89 + 0,14 (+5) = 2,59

(Nilai tren ini tercantum pada kolom terakhir dalam Tabel 8.10)

(c) Menghitung taksiran banyaknya wisatawan asing yang langsung datang ke Bali pada tahun 2013.

Berdasarkan persamaan tren (Y‘ = 1,93 + 0,14X) dapat di proyeksikan atau ditaksir banyaknya wisatawan asing yang langsung datang ke Bali pada tahun 2013, sebagai berikut :

Untuk tahun 2013 maka x = 11, dengan demikian nilai trennya dihitung sebesar: Y‘ = 1,89 + 0,14X = 1,89 + 0,14 (11) = 3,43

Jadi, banyaknya wisatawan asing yang langsung datang ke Bali pada

Contoh 8 - 5Banyaknya wisatawan asing yang langsung datang ke Bali selama kurun

waktu 2006-2010, dalam juta orang, disajikan pada Tabel 8.11.

Tabel 8.11 Banyaknya Wisatawan Asing yang Lang-sung Datang ke Bali Periode 2006 - 2010

TahunBanyak wisatawan

(Juta orang)20062007200820092010

1,261,672,092,392,58


Berdasarkan data pada Tabel 8.11, (a) Dengan metode kuadrat terkecil, coba saudara tentukan persamaan trennya(b) Coba saudara cari nilai tren untuk masing-masing tahun (c) Coba saudara taksir banyaknya wisatawan asing yang langsung datang

ke Bali pada tahun 2013(d) Buat grafiknya

Penyelesaian(a) Menentukan persamaan tren Banyak pasangan datanya ganjil, n = 5, maka letak tahun dasar, persis

pada tahun yang terletak di tengah, yaitu pada tahun 2008.



Tabel 8.12 Perhitungan Tren Banyaknya Wisatawan Asing yang Langsung Datang ke Bali Selama 2006 – 2010: Me-tode Kuadrat Terkecil (Jumlah tahun ganjil).

TahunBanyaknya

Wisatawan (Yi)(Juta Orang)

Xi Xi 2 Xi Yi

20062007200820092010

1,261,672,092,392,58

- 2- 10

+ 1+ 2

41014

-2,52- 1,67

0+ 2,39+ 5,16

Total 9,99 10 3,36Sumber : Tabel 8.11

Dari Tabel 8.12, dapat diketahui ∑Yi = 9,99 ∑XiYi = 3,36 ∑Xi

2 = 10, n = 5

Maka per rumus (8.6) dan (8.7) dapat dihitung a dan b,

a = b =

= 599,9

= 1036,3

= 1,99 = 0,34

Jadi, persamaan garis trennya Y‘ = a + bX Y‘ = 1,99 + 0,34X

Titik asal tahun 2008, satuan X = 1 tahun, Y = banyaknya wisatawan se-tiap tahun (dalam juta orang)

(b) Nilai Tren untuk masing-masing tahun Nilai tren untuk masing-masing tahun dapat dihitung dengan jalan meng-

ganti nilai X, sesuai dengan tahun yang bersangkutan, sebagai berikut: Persamaan tren Y‘ = 1,99 + 0,34X Tren untuk tahun 2006: Y‘ = 1,99 + 0,34(-2) = 1,31 Tren untuk tahun 2007: Y‘ = 1,99 + 0,34(-1) = 1,65 Tren untuk tahun 2008: Y‘ = 1,99 + 0,34 (0) = 1,99 Tren untuk tahun 2009: Y‘ = 1,99 + 0,34(+1) = 2,33 Tren untuk tahun 2010: Y‘ = 1,99 + 0,34(+2) = 2,67

Bila nilai tren-nilai tren ini dimasukkan ke dalam tabel, maka diperoleh ta-

bel selengkapnya sebagai berikut:


Nata Wirawan 201

Tabel 8.13 Tren Banyaknya Wisatawan Asing yang Lang sung Datang ke Bali Periode 2006-2011 (Juta Orang)

Tahun BanyaknyaWisatawan (Yi)

Tren(Yi’)

20062007200820092010

1,261,672,092,392,58

1,311,651,992,332,67

(c) Menghitung taksiran banyaknya wisatawan asing yang langsung datang ke Bali pada tahun 2013

Dari persamaan tren Y‘ = 1,99 + 0,34X dapat diproyeksikan atau ditaksir jumlah wisatawan asing yang langsung ke Bali pada tahun 2013 (X = 6) Dengan demikian nilai trennya dihitung sebagai berikut: Y ‘ = 1,99 + 0,34 (6) = 4,04

Jadi, banyaknya wisatawan asing yang langsung dating ke Bali pada tahun 2013 ditaksir sebanyak 4,04 juta orang.

(d) Gambar grafiknya Jika data pada Tabel 8.13 dibuat grafiknya, bentuknya sebagai berikut:

Grafik 8.7Trend Banyaknya Wisatawan

Asing ke Bali Periode 2006- 2010

0

1

2

3

2006 2007 2008 2009 2010

Observasi trend

TahunBany

akny

a W

isat

awan

Asi

ng (

juta

ora

ng)



8.6 Tren Tan - LinearTermasuk tren tan-linear antara lain (1) Tren Parabola, (2) Tren Eksponen-

sial, dan (3) Tren Kubik

8.6.1 Tren ParabolaBentuk tren parabola adalah

Y' = a + bX + cX2 (8.9)

a adalah bilangan konstan, b dan c adalah angka koefisien y' = variabel terikat /variabel yang ditaksir x = variabel bebas yaitu waktu.

Dengan metode kuadrat terkecil (Least square method) persamaan tren tersebut dapat dicari dengan terlebih dahulu menghitung nilai a, b dan c yaitu dengan cara menyelesaikan secara simultan (ketiga) persamaan normal berikut:

∑Yi = na + b∑Xi + c∑Xi2 (8.10)

∑xiYi = a∑Xi + b∑Xi2 + c∑Xi

3 (8.11)

∑Xi2Yi = a∑Xi

2 + b∑Xi3 + c∑Xi

4 (8.12)

Perhitungan akan menjadi lebih mudah jika pemberian kode pada nilai Xi sedemikian rupa sehingga ∑Xi = 0, maka ∑Xi

3 juga nol (∑Xi3 = 0), dan

persamaan (8.10), (8.11) dan (8.12) menjadi lebih sederhana sebagai berikut:

∑Yi = na + c∑Xi2 (8.13)

∑XiYi = b∑Xi2 (8.14)

∑Xi2Yi = a∑Xi

2 + c∑Xi4 (8.15)

Untuk lebih jelasnya, berikut ini diberikan sebuah contoh mengenai cara menentukan tren parabola

Contoh 8 - 7Hasil penjualan komoditas “A” Toko Makmur Perkasa - Jakarta, periode

2005- 2010, disajikan dalam Tabel 8.11.


Nata Wirawan 203

Tabel 8.11 Hasil Penjualan Komoditas Toko Makmur Perkasa, Jakarta Periode 2005- 2010

Tahun Hasil Penjualan (Ton)

2005200620072008200920102011

4125123

6085

110Sumber : Data hipotetis

Berdasarkan data pada Tabel 8.11.(a) Dengan metode kuadrat terkecil, tentukanlah persamaan tren parabolis-

nya.(b) Hitunglah nilai tren untuk masing-masing tahun. (c) Taksirlah hasil penjualan toko tersebut pada tahun 2013 dan 2014.

Penyelesaian (a) Menentukan persamaan tren.

Tabel 8.11a Perhitungan Unsur-unsur Persamaan Tren Parabolis

Tahun Hasil

Penjualan (Yi)

Xi Xi Yi Xi 2 Xi

2 Yi Xi4

2005200620072008200920102011

4125123

6085

110

- 3- 2- 1

0+1+ 2+ 3

- 123 - 50- 12

060

170330

9410149

369100120

60340990

8116101

1681

Total 336 0 375 28 1871 196

Dari Tabel 8.11a, dapat diketahui bahwa, ∑Yi = 336, n = 7, ∑XiYi = 375, ∑Xi

2= 28, ∑Xi2Yi = 1871 dan ∑Xi

4 = 196

Per rumus (8.14), (8.13) dan (8.15), nilai b, a dan c berturut-turut dapat dihitung sebagai berikut:

∑XiYi = b ∑Xi2 (1)

375 = b 28 b = 13,39



∑Yi = na + c ∑Xi2 (2)

336 = 7a + c 28

∑Xi2Yi = a ∑Xi

2 + c ∑Xi4 (3)

1871 = 28 a + c 196 ______________________ (–) -527 = 0 - 84 c

c = = 6,27 (4)

Dari (3) dan (4) didapat nilai a sebagai berikut:

336 = 7a + 28c /4 336 = 7a + 28 (6,27) 336 = 7a + 175,56 → a = 22, 92

Jadi, persamaan trennya Y' = a + bX + cX2 Y' = 22,92 + 13,39 X + 6,27 X2

(Titik asal tahun 2008; satuan X = 1 tahun, Y = hasil penjualan komoditas A dalam ton)

(b) Menghitung nilai tren masing-masing tahun Nilai tren tahun 2005, 2006, 2007, 2008, 2009, 2010, dan 2011 dengan

tahun dasar 2008, berturut-turut dapat dihitung sebagai berikut : Persamaan tren Y' = 22,92 + 13,39X + 6,27X2

Nilai tren tahun 2005 Y' = 22,92 + 13,39 (-3) + 6,27(-3)2 = 39,18 Nilai tren tahun 2006 Y' = 22,92 + 13,39 (-2) + 6,27(-2)2 = 21,22 Nilai tren tahun 2007 Y' = 22,92 + 13,39 (-1) + 6,27(-1)2 = 15,80 Nilai tren tahun 2008 Y' = 22,92 + 13,39 (0) + 6,27(0)2 = 22,92 Nilai tren tahun 2009 Y' = 22,92 + 13,39 (1) + 6,27 (1)2 = 42,58 Nilai tren tahun 2010 Y' = 22,92 + 13,39 (2) + 6,27 (2)2 = 74,78 Nilai tren tahun 2011 Y' = 22,92 + 13,39 (3) + 6,27 (3)2 = 119,52

(c) Menghitung taksiran banyaknya hasil penjualan komoditas “A” dari toko Makmur Perkasa pada tahun 2013 dan 2014

Untuk tahun 2013 → X = 5, maka, Y' = 22,92 + 13,39X + 6,27X2

= 22,92 + 13,39 (5) + 6,27 (5)2 = 246,62


Nata Wirawan 205

Untuk tahun 2014 → X = 6, maka, Y' = 22,92 + 13,39X + 6,27X2 = 22,92 + 13,39 (6) + 6,27 (6)2 = 326,64

Jadi, hasil penjualan komoditas A Toko Makmur Perkasa tersebut pada tahun 2013 dan 2014 masing-masing ditaksir sebanyak 246,62 ton dan 326,64 ton

(d) Gambar GrafikGrafik 8.8

Trend hasil penjualanKomoditi A Toko Makmur Perkasa

Tahun 2005 - 2010

0

20

40

60

80

100

120

140

2005 2006 2007 2008 2009 2010 2011

Observasitrend

Tahun

Has

il Pe

njua

lan

dal

am t

on

8.6.2 Tren EksponensialBila tingkat perubahan per periode dari suatu variabel hampir tetap, untuk

menentukan persamaan dan nilai tren akan lebih tepat dipakai tren ekspo-nensial. Tren eksponensial dapat mengambil salah satu bentuk persamaan di bawah ini 1 Y = abx

2 Y = k + abx

3 Y = (Persamaan Gompertz ) 4 y =

(Persamaan Pearl - Red)

Berikut ini akan diuraikan tren eksponen,

Tren Eksponen

Y = abx (8.16)



Persamaan (8.16), dalam bentuk logaritma menjadi,

Log Y = log a + X log b (8.17)

Dengan meminimumkan ∑(Yi - Y')2 melalui metode kuadrat terkecil didapat dua persamaan normal sebagai berikut :

∑logYi = n log a + (log b) ∑Xi (8.18)

∑(XilogYi) = (log a) + (log b) (8.19)

Dengan menge – nol-kan ∑Xi, kedua persamaan normal tersebut menjadi dua persamaan yang lebih sederhana yaitu:

∑logYi log a = ––––––– (8.20) n

∑XilogYi log b = ––––––– (8.21) ∑Xi

2

Untuk lebih jelasnya, bagaimana menentukan persamaan dan nilai tren dari tren eksponensial Y = abx, di bawah ini diberikan sebuah contoh sebagai berikut:

Contoh 8 - 8Dalam kurun waktu 11 tahun terakhir yaitu dari tahun 2001 - 2011, perkem-bangan konsumsi premium masyarakat umum di sebuah kota disajikan pada Tabel 8.12.

Tabel 8.12 Perkembangan Banyaknya Konsumsi Premium Masyarakat Umum di Sebuah Kota, 2001 - 2011.

Tahun Banyaknya Konsumsi Premium (ribu galon)

20012002200320042005200620072008200920102011

58121927405992138205310



Nata Wirawan 207

Berdasarkan data pada Tabel 8.12,(a) Buatlah persamaan trennya dengan menganggap distribusi data observa-

si mengikuti tren eksponensial.(b) Tentukanlah nilai tren untuk masing-masing tahun.(c) Taksirlah banyaknya konsumsi premium masyarakat umum di kota terse-

but pada tahun 2013 dan 2014.

Penyelesaian(a) Menentukan persamaan tren

Tabel 8.12a Cara Menentukan Persamaan Tren Konsumsi Premium Masya rakat Umum di Kota yang Dimaksud, 2001-2011

Tahun Banyak

Konsumsi Premium (Yi )

skalaXi

Xi 2 log Yi Xi log Yi

20012002200320042005200620072008200920102011

58

121927405992

138205310

- 5- 4- 3- 2- 1

0+ 1+ 2+ 3+ 4+ 5

25169410149

1625

0,69890,90311,07921,27871,43141,60211,77081,96382,13992,31172,4914

- 3,4945- 3,6124- 3,2376- 2,5574- 1,4314

01,77083,92766,41979,2468

12,4570Total 915 0 110 17,6710 19,4886

Dari Tabel 8.12a, dapat diketahui bahwa ∑Yi = 915, ∑Xi2= 110,

∑logYi = 17,6710, ∑xi(logYi) = 19,4886, dan n = 11

Per rumus (8.20) dan (8.21) nilai a dan b dihitung sebagai berikut:

log a = = 116710,17 = 1,6064 → a = 40,40

log b = = 1104886,19 = 0,1772 → b = 1,50

Jadi, tren eksponensialnya Y = abx

Y = 40,40 (1,50)x

(b) Menentukan nilai tren masing-masing tahun. Dengan memasukkan skala X, untuk masing-masing tahun ke dalam persamaan trennya, akan diperoleh nilai trennya.



Persamaan tren Y = 40,40 (1,50)xNilai tren tahun 2001, Y' = 40, 40 (1, 50)-5 = 5,32Nilai tren tahun 2002, Y' = 40,40 (1,50)-4 = 7,98Nilai tren tahun 2003, Y' = 40,40 (1,50)-3 = 11,97Nilai tren tahun 2004, Y' = 40,40 (1,50)-2 = 17,95Nilai tren tahun 2005, Y' = 40,40 (1,50)-1 = 26,93Nilai tren tahun 2006, Y' = 40,40 (1,50)0 = 40,40Nilai tren tahun 2007, Y' = 40,40 (1,50)1 = 60,60Nilai tren tahun 2008, Y' = 40,40 (1,50)2 = 90,90Nilai tren tahun 2009, Y' = 40,40 (1,50)3 = 136,35Nilai tren tahun 2010, Y' = 40,40 (1,50)4 = 204,53Nilai tren tahun 2011, Y' = 40,40 (1,50)5 = 307,79

(c) Menghitung taksiran konsumsi premium masyarakat umum di kota terse-but pada tahun 2013 dan 2014

Untuk tahun 2013, nilai X = 7, maka Y' = 40,40 (1,50)7 = 690,27.

Untuk tahun 2014, nilai X = 8, maka Y' = 40 40 (1,50)8 = 1035,41.

Jadi, konsumsi premium masyarakat umum di kota tersebut pada tahun 2013 dan 2014 masing-masing ditaksir sebanyak 690,27 ribu galon dan 1035,41 ribu galon.

8.7 Pedoman Memilih TrenUntuk memperoleh hasil taksiran atau ramalan yang baik dari serangkaian

data deret waktu dimasa yang akan datang, disamping diperhatikan kualitas data masa lampau, yang juga perlu diperhatikan adalah tren yang dipilih guna melakukan ramalan tersebut. Apakah bentuk tren yang dipilih tersebut, sudah tepat atau cocok untuk menggambarkan gerakan deret waktu tertentu tersebut?

Metode kuadrat terkecil (Least squares method) akan menghasilkan tren yang paling cocok dibandingkan dengan metode-metode lainnya. Untuk se-rangkaian data deret waktu tertentu, tren linear dan tren non linear (parabolis, kubik, eksponensial) akan memberikan jumlah kuadrat penyimpangan nilai pengamatan dengan nilai tren yaitu ∑(Yi - Y')2 yang berbeda. Tren yang pa-ling cocok atau tepat untuk serangkaian data deret waktu tertentu adalah tren yang memberikan nilai ∑(Yi - Y')2 terkecil. Misalkan, serangkaian data deret waktu dengan metode kuadrat terkecil, persamaan trennya didekati bertu-rut-turut dengan tren linear, tren parabolis, eksponensial dan kubik. Misalkan pula, nilai ∑(Yi - Y')2 dari tren linear sama dengan 200, nilai ∑(Yi - Y')2 dari tren parabolis sama dengan 150 dan nilai ∑(Yi - Y')2 dari tren eksponensial sama dengan 40, dan nilai ∑(Yi - Y')2 dari tren kubik sama dengan 50 Maka tren yang paling cocok atau tepat untuk dipilih untuk menggambarkan gerak data deret waktu tersebut adalah tren eksponensial.


Nata Wirawan 209

Dengan cara lain yaitu secara kasar, akan tetapi memberikan hasil tidak sebaik metode kuadrat terkecil, yaitu dengan membuat diagram pencarnya (scatter diagram), jika titik-titik nampak disekitar garis lurus, tren linear dapat digunakan. Jika tidak, tren tan-linear dapat digunakan. Mungkin tren parabo-lis, kubik atau tren eksponensial.

8.8 Variasi MusimVariasi musim merupakan salah satu dari empat komponen deret waktu,

yang berupa gerakan berulang naik dan turun dalam jangka waktu kurang dari satu tahun. Variasi musim dari serangkaian deret waktu diukur setelah pengaruh tren, variasi siklis dan variasi residu dihilangkan. Serangkaian deret waktu dapat mempunyai variasi musim atau tidak. Ukuran dari variasi musim disebut indeks musim. Indeks musim ini menyatakan tingkat penyimpangan data secara individual terhadap nilai rata-ratanya (nilai normal).

Untuk mengetahui ada tidaknya variasi musim dalam serangkaian deret waktu, secara sederhana (kasar) dapat dilihat dari ada tidaknya perbedaan (variasi) nilai individual (asli) dengan nilai rata-rata untuk tiap tahun dalam jang ka waktu lebih dari satu tahun. Pengunaan tabel atau grafik sangat mem-bantu untuk melihat ada tidaknya variasi musim dalam serangkaian deret waktu.

Contoh 8 - 9Hasil penjualan triwulanan PT. Raja Makmur yang memproduksi kain endek di Kota Gianyar, Bali kurun waktu 2008 - 2011, seperti terlihat dalam Tabel 8.18.

Tabel 8.13 Hasil Penjualan Kain Endek PT. Raja Makmur untuk Setiap Triwulan Tahun 2008 - 2011 (Ribu Lembar)

Tahun TriwulanI II III IV

2008200920102011

2547

4478

3676

5389


Untuk melihat ada tidaknya variasi musim (triwulan) penjualan kain endek PT.Raja Makmur tersebut, perlu dibuat tabel perhitungan sebagai berikut:



Tabel 8.13a Perhitungan Penjualan Rata-rata Triwulan per Tahun

TahunHasil penjualan per

triwulan (Ribu lembar)Total

Penjualansetahun

Rata-rataPenjualan Triwulan

tiap tahunI II III IV2008200920102011

2547

4478

3676

5389

14182630

3,54,56,57,5

Dari hasil perhitungan pada Tabel 8.13a, dapat dijelaskan prihal berikut :1 Lihat baris pertama. Pada tahun 2008, jumlah penjualan kain endek PT.

Raja Makmur tersebut sebanyak dua kali di atas rata-ratanya yaitu pen-jualan pada triwulan II (4 > 3,5 ) dan triwulan IV ( 5 > 3,5 ) Sebanyak dua kali di bawah rata-ratanya yaitu penjualan pada triwulan I ( 2 < 3,5) dan triwulan III ( 3 < 3,5).

2 Lihat baris kedua. Pada Taun 2009, jumlah penjualan kain endek PT. Raja Makmur tersebut sebanyak dua kali di atas rata-ratanya yaitu penjualan pada triwulan I ( 5 > 4,5) dan triwulan III ( 6 > 4,5). Sebanyak dua kali di bawah rata-ratanya yaitu pada triwulan II (4 < 4,5) dan triwulan IV (3 < 4,5).

3 Lihat baris ketiga. Pada tahun 2010, jumlah penjualan kain endek PT Raja Makmur tersebut sebanyak tiga kali di atas rata-ratanya, yaitu penjualan pada triwulan II, III dan IV (7 > 6, 5; 7 > 6,5 dan 8 > 6,5). Sekali di bawah rata-ratanya yaitu penjualan pada triwulan I ( 4 < 6,5).

4 Lihat baris keempat. Pada tahun 2011, jumlah penjualan kain endek PT. Raja Makmur tersebut sebanyak dua kali di atas rata-ratanya, yaitu pada triwulan II dan IV. Dua kali pula, di bawah rata-ratanya yaitu penjualan pada triwulan I dan III.

Dengan demikian, secara kasar (sangat sederhana) dapat disimpulkan bahwa jumlah penjualan kain endek PT.Raja Makmur selama 4 tahun yaitu dari 2008 sampai dengan 2011 dipengaruhi oleh variasi musim. Atau dengan kata lain memang ada variasi musim dalam penjualan kain endek tersebut.

Adanya variasi musim dalam penjualan kain endek PT. Raja Makmur selama 4 tahun tersebut, akan lebih jelas bila data tersebut dibuat grafiknya.


Nata Wirawan 211

Grafik 8.9Grafik Penjualan Kain Endek PT Raja Makmur

Selama Kurun Waktu 2008 - 2011

01

23

45

67

89

10

1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4

observasi Rata-rata Triw ulan tiap tahun

Triwulan

Jum

lah

Pen

jual

an (

000

Lem

bar )

2008 2009 2010 2011

Bila diinginkan hasil yang lebih baik, dalam melihat ada tidaknya variasi musim, perlu dipertimbangkan variasi waktu/hari kerja. Dapat saja, jumlah penjualan pada triwulan yang satu lebih tinggi dari penjualan pada triwulan yang lainnya, yang disebabkan oleh hari kerja yang lebih panjang.Bila digunakan data asli (data pengamatan) semacam itu, maka akan dipe-roleh fluktuasi penjualan yang mengandung fluktuasi waktu. Agar pengaruh fluktuasi waktu hilang, maka data asli semacam itu perlu disesuaikan. Ca-ranya? Data asli tersebut dikalikan dengan suatu indeks yang dinamakan in-deks penyesuaian waktu.

8.9 Metode Perhitungan Indeks MusimUntuk mengukur penyimpangan data deret waktu musim secara individual

terhadap keadaan normalnya (rata-ratanya) dipakai indeks variasi musim. Indeks variasi musim biasanya disebut indeks musim saja. Indeks musim umumnya dinyatakan dalam bentuk persentase (%), dan untuk menghitungnya ada beberapa metode dapat digunakan (Gupta dan Gupta, 1983) yaitu :1 Metode rata-rata sederhana (Simple average method).2 Metode relatif berantai (Link relative’s method).3 Metode rasio terhadap tren (Ratio to tren method).4 Metode rasio terhadap rata-rata bergerak (Ratio to moving average’s me-

thod).Berikut ini akan dibahas hanya tiga metode saja, yaitu metode rata-rata sederhana, metode relatif berantai dan metode rasio terhadap rata-rata bergerak



8.9.1 Metode Rata-rata SederhanaTahapan menghitung indeks musiman menurut metode ini adalah sebagai

berikut:(1) Susunlah data tiap bulan atau tiap triwulan untuk masing-masing tahun.

Kolom bulan / triwulan vertikal dan kolom tahun horizontal.(2) Carilah nilai rata-rata tiap bulan atau triwulan untuk semua tahun (kolom

8 pada Tabel 8.14a). Tujuan utama dari mencari nilai rata-rata bulanan atau triwulan ini adalah untuk menghilangkan fluktuasi / variasi residu dan variasi siklis. Sedangkan untuk deret waktu yang relatif pendek pengaruh tren diabaikan.

(3) Nilai rata-rata tersebut (pada kolom 8) dinyatakan dalam % terhadap total-nya (kolom 9, Tabel 8.14a)

(4) Nilai rata-rata yang telah dinyatakan dalam % ini, dikalikan 12 untuk indeks musim bulanan, dan dikalikan 4 untuk indeks musim triwulan.

Untuk lebih jelasnya, bagaimana menghitung indeks musim dengan meto-de rata-rata sederhana, perhatikanlah Contoh 8-10

Contoh 8-10Berdasarkan data yang tercantum pada Tabel 8.14, hitunglah indeks musim-nya dengan metode rata-rata sederhana.

Tabel 8.14 Harga Eceran Barang AAA di sebuah kota 2007-2011 (Rp / Kg)Tahun

Bulan2007 2008 2009 2010 2011

JF MAMJJASON D

342,50350380350358

356,25325425425425425425

425400400400400375375375

377,5388,5

400400

400400400425400400400400425425425425

450450475500475450450450475500500500

450510510550525500500525550550600550

Sumber : Data Hipotetis


Nata Wirawan 213

Penyelesaian

Tabel 8.14a Perhitungan Indeks Musim Bulanan Dengan Metode Rata-Rata Sederhana Harga Eceran per Kg Barang AAA, Tahun 2007-2011

Ta- hun

Bu-lan

2007 2008 2009 2010 2011 TotalRata-

rata tiap bulan

Rata-rata tiap

bulan (%)

Indeks musim

(1) (2) (3) (4) (5 ) (6) (7) (8) = (9) = 10=(9)X 12

JF MAMJJASON D

342,5350380350358

356,25325425425425425425

425400400400400375375375

377,5388,5

400400

400400400425400400400400425425425425

450450475500475450450450475500500500

450510510550525500500525550550600550

2067,52110216522252158

2081,320502175

2252,52288,5

23502300

413,5422433445

431,6416,25

410435

450,5457,7

470460

7,888,058,268,488,237,947,828,298,598,738,968,77

94,5696,6099,12

101,7698,7695,2893,8499,48

103,08104,76107,52105,24

Total 5244,55 100,00 1200,60

Indeks musim pada bulan Januari sebesar 94,56 artinya harga per kg barang AAA pada bulan Januari (100 – 94,56)% = 5,44 % di bawah harga normalnya (harga rata-ratanya). Indeks musim pada bulan Nopember sebesar 107,52 artinya bahwa harga per kg barang AAA pada bulan Nopember (107,52-100)% = 7,52% di atas harga normalnya (harga rata-ratanya)

8.9.2 Metode Relatif BerantaiDengan metode ini data bulanan atau triwulan dinyatakan sebagai per-

sentase dari data pada bulan yang mendahuluinya. Persentase yang dida-pat dengan cara demikian disebut Link Relative (relatif berantai). Kemudian diambil rata-ratanya atau Median dari persentase-persentase tersebut untuk setiap bulan atau triwulan Untuk lebih jelasnya, berikut ini diberikan sebuah contoh.



Contoh 8-11Berdasarkan data yang tercantum pada Tabel 8.15, hitunglah indeks

musimnya dengan metode relatif berantai.

Tabel 8.15 Harga Eceran per Kg Barang AAA di Sebuah Kota Periode 2007-2011

Tahun

Bulan2007 2008 2009 2010 2011

JF MAMJJASON D

342, 50350380350358

356, 25325425425425425425

425400400400400375375375

377, 50388,5

400400

400400400425400400400400425425425425

450450475500475450450450475500500500

450510510550525500500525550550600550


Penyelesaian

Tabel 8.15a Perhitungan Indeks Musim dengan Metode Relatif Berantai Har-ga per Kg Barang AAA , 2007-2011

Tahun

Bulan2007 2008 2009 2010 2011 Total Rata-rata Relatif

berantai

JF MAMJJASON D

-102,18108,57

92,11102,2999,5191,23

130,72100,00100,00100,00100,00

100,0094,12

100,00100,00100,0093,75

100,00100,67102,91102,96100,00100,00

100,00100,00100,00106,2594,02

100,00100,00100,00106,25100,00100,00100,00

105,88100

105,56105,26105,5594,74

100,00100,00105,56105,26100,00100,00

90,00113,33100,00107,8495,4595,23

100,00105,00104,76100,00109,0091,17

395,88509,64514,13511,46497,31493,23491,23536,36519,48508,22509,09491,17

98,97101,93102,83102,2999,4696,6598,25

107,28103,90101,64101,8098,23

100,00101,93104,81107,21106,63103,05101,25108,63112,86114,71116,77114,70

Total 113,52* )

(*) Januari ke dua 98,97 % dari Desember = 27,113%45,11410097,98

=x

Nilai relatif berantai Januari kedua sebesar 113,27 sedangkan pada Januari pertama sebesar 100, ini berarti terjadi kenaikan sebesar 13,27% yang disebabkan oleh pengaruh tren. Untuk menghilangkan pengaruh tren ini masing-masing nilai relatif berantai harus disesuaikan.


Nata Wirawan 215

Nilai relatif berantai Januari kedua supaya 100% harus dikurangi sebesar:

Nilai relatif berantai Januari kedua : 113,52 - (13,52) = 100

Nilai relatif berantai Desember : 114,70 - (13,52) = 102,31

Nilai relatif berantai Nepember : 116,77 - (13,52) = 105,50

Nilai relatif berantai Oktober : 114,71 - (13,52) = 104,57

Nilai relatif berantai September : 112,86 - (13,52) = 103,85

Nilai relatif berantai Agustus : 108,63 - (13,52) = 100,74

Nilai relatif berantai Juli : 101,25 - (13,52) = 94,49

Nilai relatif berantai Juni : 103,05 - (13,52) = 97,42

Nilai relatif berantai Mei : 106,63 - (13,52) = 102,12

Nilai relatif berantai April : 107,21 - (13,52) = 103,83

Nilai relatif berantai Maret : 104,81 - (13,52) = 102,56

Nilai relatif berantai Februari : 101,93 - (13,52) = 100,80

Nilai relatif berantai Januari : 100 - (13,52) = 100

Jika jumlah seluruh nilai relatif berantai ini 1200, maka nilai relatif berantai masing-masing tersebut disebut indeks musim. Jika jumlah seluruh nilai relatif berantai tersebut tidak sama dengan 1200 (misalnya P, dan P ≠ 1200) maka masing-masing nilai relatif tersebut perlu disesuaikan dengan jalan mengalikan faktor pengali penyesuaian, sebesar

.

Selanjutnya, jika hasil tersebut dimasukkan dalam tabel didapat hasil se-perti Tabel 8.15b.

Tabel 8.15b Indeks Musiman

Bulan BelumDisesuaikan

Telah Disesuaikan /Indeks Musim

(1) (2) (3) = (2) x 0,984JF MAMJJASON D

100,00100,80102,56103,83102,1297,4294,49

100,74103,85104,57105,50102,31

98,1699,95

101,70102,96101,2696,6093,7099,89

102,98103,69104,61101,45

Total 1210,11 ( = P) 1199,95 ( = 1200)

( = 0,9916 = faktor pengali penyesuaian)



Catatan dari Tabel 8.15a dan Tabel 8.15b(1) Nilai 102,18 pada bulan Pebruari 2007 (Tabel 8.15a) diperoleh dengan jalan sebagai berikut:

= 102,18.

Nilai 108,57 pada bulan Maret 2007, diperoleh dengan jalan sebagai berikut: =

108,57. Demikian pula nilai pada bulan-bulan berikutnya dihitung secara berantai(2) Nilai-nilai pada kolom terakhir Tabel 8.15a. Indeks 100, sebagai angka (indek) waktu dasar. Selanjutnya angka-angka pada bulan beri-

kutnya dihitung sebagai berikut: 101,93 = 101,93/100 x 100; 104,81 = 102,83/100 x 101,93; 107,21 = 102,29/100 x 104,81. Demikian seterusnya.

(3) Indeks musim pada bulan Maret sebesar 100,95 (Tabel 8.15b),artinya harga per kg barang AAA pada bulan Maret naik sebesar (100,95 - 100)% = 0,95% dari harga normalnya (harga rata-ratanya)

8.9.3 Metode Rasio Terhadap Rata-rata BergerakMenghitung indeks musim dengan metode ini akan digunakan metode rata-

ra ta bergerak. Untuk data bulanan, dihitung terlebih dahulu jumlah dan rata-rata bergerak 12 bulan. Hasil rata-ratanya ternyata terletak antara tiap dua bulan. Agar rata-rata tersebut tidak terletak antara tiap dua bulan, maka dihitung rata--rata bergerak dua bulan dari rata-rata bergerak 12 bulan tadi. Nilai-nilai yang diperoleh itu disebut rata-rata bergerak 12 bulan yang dipusatkan. Selanjutnya nilai-nilai data asli dinyatakan dalam persen terhadap nilai-nilai rata-rata berge-rak 12 bulan yang dipusatkan tersebut. Nilai rata-rata dari data asli yang telah dinyatakan dalam persen (%) terhadap nilai rata-rata bergerak yang dipusa-tkan, disesuaikan terlebih dahulu (bila perlu), baru diperoleh indeks musim.

Cara tersebut berlaku juga untuk data harian, bulanan dan ataupun triwulan. Untuk lebih jelasnya, berikut ini diberikan sebuah contoh, menghitung indeks musim dengan metode rata-rata bergerak.

Contoh 8-12Berikut ini disajikan hasil tangkapan ikan laut (dalam ton), kelompok Nelayan “A” per triwulan selama kurun waktu 5 tahun (tahun 2007-2011).Tabel 8.16 Hasil Tangkapan Ikan Laut Tiap Triwulan Kelompok Nelayan “A”

Selama Tahun 2007-2011.

Tahun Triwulan Hasil Tangkapan(Ton)

2007I IIIIIIV

80799095

2008I IIIIIIV

948510090

2009I IIIIIIV

95849498

2010I IIIIIIV

851029085

2011I IIIIIIV

92958386



Nata Wirawan 217

Berdasarkan data pada Tabel 8.16, hitunglah indeks musim hasil tangkapan ikan kelompok nelayan tersebut dengan metode rasio terhadap rata-rata bergerak. Berikan makna nilai indeks pada triwulan I dan IV yang diperoleh.

Penyelesaian

Tabel 8.16 Perhitungan Indeks Musim Hasil Tangkapan Ikan Laut Kelompok Nelayan “A” Pada 2007-2011, dengan Metode Rata-rata Bergerak

Tahun dan Triwulan

Hasil Tangka-pan

Jumlah Bergerak 4 Triwulan

Jumlah Bergerak 2

Triwulan dari Kolom 3

Rata-rata Bergerak 4 Triwulan Di-

pusatkan

Persentase Data Asli dari Rata-rata Ber-gerak yang Di-

pusatkan1 2 3 4 5 6

2007 I II

III

IV

80

79

90

95

344

458

364

702

722

87,75

90,25

102,56

105,26

2008 I II

III

IV

94

85

100

90

374

369

370

369

738

743

739

739

92,25

92,87

92,37

92,37

101,89

91,53

108,26

97,43

2009 I

II

III

IV

95

84

94

98

363

371

361

379

732

734

732

740

91,50

91,75

91,50

92,50

103,82

91,55

102,73

105,94

2010 I II

III

IV

85

102

90

85

375

362

369

362

754

737

731

731

94,25

92,13

91,37

91,37

90,18

110,71

98,50

93,02

2011 I II

III

IV

92

95

83

86

355

350

717

705

89,63

88,13

102,64

107,79

Sumber : Tabel 8.16



Untuk mendapatkan indeks musim, hasil pada kolom 6 Tabel 8.16a disusun sebagai berikut :

Tabel 8.16a Indeks Musim Hasil Tangkapan Ikan Laut Kolompok Nelayan ”A”, Tahun 2007-2011

Triwulan

TahunI II III IV

20072008200920102011

-101,89103,8290,18102,64

-91,5391,55110,71107,79

102,56108,26102,7398,50

-

105,2697,43105,9493,02

Total 398,53 401,58 412,05 401,65

Rata-rata 99,63 100,39 103,01 100,41 Total = 403,44Rata-rata yangdisesuaikan /indek musim

98,78 99,53 102,13 99,55 Total = 399,99 ≈ 400

Oleh karena, total rata-rata nilai yang terdapat pada kolom I, II, III dan IV (baris kedua dari bawah) pada Tabel 8.27 = 403,44 ≠ 400, maka nilai-nilai pada kolom I, II, III dan IV pada baris kedua dari bawah perlu dikalikan de ngan faktor penyesuaian sebesar 400

403 44, =0,9915, sehinga diperolah hasil seperti yang tercantum pada kolom I, II, III dan IV pada baris terakhir.

Nilai indeks musim pada triwulan I sebesar 98,78, artinya bahwa hasil tangkapan ikan pada triwulan I sebesar (100 - 98,78)% = 1,22% di bawah hasil tangkapan ikan dari keadaan normal.

Indeks musim pada triwulan III sebesar 102,13 artinya bahwa hasil tangkapan ikan pada triwulan III sebesar (102,13 - 100 ) = 2,13 % di atas hasil tangkapan ikan dari keadaan normal.

Catatan dari Tabel 8.16a.(1) Cara memperoleh angka - angka pada kolom 3 Tabel 8.16a 344 = 80 + 79 + 90 + 95 358 = 79 + 90 + 95 + 94, dan seterusnya. (2) Cara memperoleh angka - angka pada kolom 4 Tabel 8.16a 702 = 344 + 358 722 = 358 + 464, dan seterusnya (3) Cara memperoleh angka - angka pada kolom 5 Tabel 8.16a, yaitu angka - angka pada kolom

4 di bagi 8. 87,50 = 702 : 8 90,25 = 722 : 8, dan seterusnya Kenapa dibagi 8? Oleh karena masing-masing nilai pada kolom 4 merupakan hasil pen-

jumlahan dari 8 buah nilai, 702 = 344 + 358; 344 penjumlahan dari 4 buah nilai, demikian juga 358 merupakan penjumlahan dari 4 buah nilai, lihat catatan (1).

(4) Cara memperoleh angka-angka pada kolom 6 Tabel 8.16a, yaitu angka - angka pada kolom 2 di bagi angka-angka pada kolom 5, dikalikan 100%. 102, 56 = (90 : 87,75) x 100% 105, 26 = (95 : 90,25) x 100%, dan seterusnya.


Nata Wirawan 219

Soal-soal Latihan

8 - 1 Data di bawah ini menunjukkan produksi kayu lapis di Indonesia kurun waktu 2001 – 2009 (dalam juta m3)

Tahun Produksi200120022003200420052006200720082009

2,101,696,114,514,533,813,453,353,00

Sumber : BPS- Jakarta, 2011. Data diolah

Pertanyaan(a) Berdasarkan data di atas, susunlah persamaan trennya dengan meto-

de: (1) Semi Average, (2) Moving Average dan (3) Least Squares(b) Tentukan nilai tren untuk masing-masing tahun.(c) Coba saudara taksir (estimasi) produksi kayu lapis di Indonesia

pada tahun 2013 (Gunakan persamaan tren yang disusun berda-sarkan metode Least Squares).

(d) Gambarkan diagramnya.

8 - 2 Berikut ini menunjukkan data belanja iklan televisi dan surat kabar (triliun rupiah) di Indonesi pada semester pertama tahun 2011-2015.

Tahun Belanja Iklan20112012201320142015

33,039,548,855,157,2

Sumber : Blooberg Businessweek, No.33/31Agustus-06 September 2015.

Berdasarkan data di atas(a) Susunlah persamaan trennya dengan metode Least Squares.(b) Berikan interpretasi terhadap slope garis trennya.(c) Coba saudara taksir belanja iklan televisi dan surat kabar tahun

2016 dan 2017.

8 - 3 Data di bawah ini menunjukkan perkembangan nilai ekspor Indonesia ter-masuk minyak bumi dan gas (dalam juta US $ ), kurun waktu 2001-2010.



TahunNilai Ekspor(Juta US $ )

2001200220032004200520062007200820092010

56.320,957.158,861.058,271.584,685.660,0

100. 798,6114.100,9137.020,4116.510,0157.779,1

Sumber : BPS – Jakarta, 2011

Berdasarkan data di atas(a) Susunlah persamaan trennya dengan metode Least Squares dan

Semi Average.(b) Berikan interpretasi terhadap slope garis trennya.(c) Coba saudara taksir nilai ekspor Indonesia termasuk minyak bumi

dan gas pada tahun 2014 (gunakan persamaan tren yang disusun berdasarkan Least Squares).

8 – 4 Perkembangan banyaknya wisman (wisatawan mancanegara) yang lang sung datang ke Bali periode bulan Januari sampai Desember 2010, ditabelkan sebagai berikut:

Bulan Banyaknya Wisman (Ribu orang)JanuariFebruari MaretApril MeiJuniJuliAgustusSeptemberOktoberNopemberDesember

179,3191,9192,6184,9203,4228,0254,9243,2240,9229,9199,9227,3

Sumber : BPS – Jakarta, 2011. Data dibulatkan

Berdasarkan data di atas,(a) Susunlah persamaan trennya dengan metode Least Squares.(b) Berikan interpretasi terhadap slope garis trennya(c) Coba saudara taksir banyaknya wisman yang langsung datang ke

Bali pada bulan Maret 2011.


Nata Wirawan 221

8 - 5 Harga eceran rata-rata sejenis barang di sebuah kota dalam rupiah/botol selama lima tahun adalah sebagai berikut:

Tahun

Bulan2007 2008 2009 2010 2011

JF MAMJJASON D

338,00450,00450,00450,00450,00450,00456,25475,00550,00600,00600,00600,00

625,00662,50650,00650,00700,00700,00700,00675,00637,00600,00600,00600,00

900,00900,00950,00800,00650,00650,00650,25650,00650,00500,00500,00500,00

600,00650,00650,00650,00650,00650,00650,00650,00650,00650,00650,00650,00

650,00650,00650,00650,00650,00650,00650,00650,00650,00650,00650,00650,00


Hitunglah Seasonal Indeks nya (indeks musimnya) dengan metode(a) Rata-rata sederhana.(b) Relatif berantai.

8 - 6 Perkembangan nilai impor suatu negara periode 2005-2011 ditunjukkan pada tabel berikut (juta US $)

Tahun 05 06 07 08 09 10 11Nilai Impor 15 12 14 16 18 23 25

Dengan metode kuadrat terkecil, carilah(a) Persamaan tren linearnya.(b) Persamaan tren parabolisnya.(c) Persamaan tren eksponensialnya.(d) Tentukanlah tren yang paling cocok diantara ketiganya untuk data

tersebut.

8 - 7 Laba bersih dari pedagang grosir telor ayam selama lima tahun bertu-rut-turut adalah sebagai berikut (dalam juta rupiah)

Tahun TW1 TW2 TW3 TW4 Jumlah20072008200920102011

245710

356812

48599

41081214

1327243645



Dari data tersebut di atas,(a) Susunlah persamaan tren dengan metode kuadrat terkecil.(b) Hitunglah seasonal indeks (indeks musim) dengan metode rata-

rata sederhana, relatif berantai dan metode rata-rata bergerak.

8 - 8 Data di bawah ini menunjukkan banyaknya hotel berbintang di Bali tahun 2009 – 2013.

Tahun Kuantitas Hotel(unit)

20092010201120122013

149155198218227

Sumber : BPS- Provinsi Bali, 2014.

Dari data tersebut di atas, susunlah persamaan trennya(a) Dengan metode kuadrat terkecil(b) Dengan metode semi rata-rata(c) Beri interpretasi terhadap slope garis tren yang disusun berdasarkan

butir (a) dan butirn (b).

8 - 9 Data di bawah ini adalah data jumlah bank yang bangkrut di suatu negara yang mengalami krisis keuangan (terbelit hutang) dalam enam (6) tahun terakhir.

Tahun Jumlah Bank Bangkrut (unit)

20082009201020112012201320142015

200250275350425450480525

Sumber : Data Hipotesis

Dari data tersebut di atas, susunlah persamaan trennya(a) Dengan metode kuadrat terkecil(b) Dengan metode semi rata-rata(c) Lakukan estimasi jumlah bank yang bangkrut di negara tersebut

pada tahun 2016 dan 2017 berdasarkan masing-masing metode.


Nata Wirawan 223

8 - 10 Data di bawah ini menunjukkan investasi nonfinansial di Indonesia (triliun rupiah), kurun waktu 2008 – 2013.

Tahun Investasi200820092010201120122013

1.508,81.737,12.083,42.441,02.859,2

3.056,0Sumber : BPS – Jakarta, 2014

Dari data tersebut di atas, susunlah persamaan trennya(a) Dengan metode kuadrat terkecil(b) Dengan metode semi rata-rata(c) Lakukan estimasi investasi nonfinansial di negara tersebut pada

tahun 2015 berdasarkan masing-masing metode.

8 - 11 Omzet penjualan sebuah toko swalayan dalam 6 tahun (2009-2014) dalam miliar rupiah, dapat disajikan sebagai berikut

Tahun Omzet Penjualan (Miliar rupiah)

200920102011201220132014

175170160155145142

Sumber: Data hipotetis

Pertanyaan(a) Susunlah persamaan trennya berdasarkan metode kuadrat terkecil.(b) Berikan interpretasi atas slope garis trennya.(c) Tentukanlah nilai tren untuk masing-masing tahun.(d) Coba saudara taksir omzet penjualan toko swalayan tersebut pada

tahun 2016 dan 2017.


ANALISIS REGRESI

DAN

KORELASI SEDERHANA

9.1 PengantarDalam bab ini akan dibahas analisis hubungan antara dua variabel, yaitu

regresi linear sederhana dan korelasi. Regresi yang melibatkan variabel teri-kat dengan hanya satu variabel bebas yang disebut regresi linear sederhana, akan menunjukkan bagaimana sifat (pola) hubungan antara dua variabel ter-sebut atau bagaimana pengaruh variabel bebas terhadap variabel terikatnya. Sementara analisis korelasi akan menunjukkan keeratan (kuat-lemahnya) hu-bungan antara kedua variabel tersebut. Kedua analisis ini, umumnya dibahas secara bersamaan.

Tujuan bab ini. Setelah mempelajari bab ini peserta didik (mahasiswa) di-harapkan dapat memahami dengan baik mengenai regresi dan korelasi yang sederhana. Dapat menyusun persamaan regresi yang linear, dapat menaksir nilai variabel terikat berdasarkan variabel bebas yang nilainya telah diketahui, dapat memberikan interpretasi terhadap nilai koefisien regresi. Selain itu juga mahasiswa diharapkan dapat menghitung koefisien korelasi dan sekaligus mampu memberikan interpretasi atas nilainya

9.2 Pengertian RegresiIstilah regresi berasal dari kajian genetika (kebakaan) yang dilakukan oleh

Sir Francis Galton (1892-1911) yang membandingkan tinggi badan anak la-

9. Analisis Regresi dan Korelasi Sederhana

Nata Wirawan 225

ki-laki dengan tinggi badan ayahnya. Kajian Galton ini menunjukkan hasil bahwa: “Tinggi badan anak laki-laki dari ayah yang tinggi setelah beberapa generasi cendrung mundur (regresed) mendekati nilai tengah populasi”.

Sekarang istilah regresi, tidak demikian lagi, regresi oleh para statisi di-terapkan hampir di semua bidang ilmu, untuk menaksir atau meramalkan ni-lai satu variabel berdasarkan variabel lain yang nilainya telah diketahui, dan kedua variabel tersebut memiliki hubungan fungsional atau sebab-akibat satu dengan yang lainnya.

Dalam bidang ekonomi dan bisnis misalnya, jumlah modal mempengaru-hi jumlah produksi, suku bunga mempengaruhi jumlah investasi, biaya iklan mempengaruhi nilai penjualan, dan tingkat pendapatan mempengaruhi be-sarnya konsumsi. Keempat contoh tersebut, menunjukkan hubungan sebab-akibat antara dua variabel . Dalam bahasa matematisnya modal, tingkat suku bunga, biaya iklan dan tingkat pendapatan disebut variabel bebas (variabel yang mempengaruhi) dan umumnya disimbolkan dengan X. Sedangkan jum-lah produksi, besarnya investasi, nilai penjualan dan konsumsi disebut varia-bel terikat (variabel yang dipengaruhi), atau variabel yang nilainya ditentukan oleh nilai variabel X, dan umumnya disimbolkan dengan Y.

Hubungan fungsional (sebab-akibat) antara variabel bebas (X) dan variabel terikat (Y), dalam bentuk fungsi dinyatakan sebagai Y = f(X). (dibaca : Y fungsi dari X), yang artinya nilai variabel Y tergantung dari atau dipengaruhi oleh nilai variabel X. Sifat hubungan antara variabel bebas (X) dengan variabel terikat (Y), dapat positip, negatif atau tidak ada hubungan. Hubungan positip yang juga disebut hubungan searah, artinya bila nilai X naik maka nilai Y juga naik atau sebaliknya bila nilai X turun, nilai Y juga turun. Hubungan negatif disebut juga hubungan berlawanan arah, artinya bila nilai X naik maka nilai Y akan turun atau sebaliknya bila nilai X turun maka nilai Y akan naik. Tidak ada hubungan, artinya bila nilai X berubah (naik / turun), maka nilai Y tidak berubah atau tetap. Hubungan antara biaya iklan dan hasil penjualan, tingkat suku bunga bank dan deposito, harga suatu barang dan penawaran, merupakan tiga contoh dari dua variabel yang memiliki hubungan yang bersifat positif. Hubungan tingkat suku bunga dengan investasi, jumlah peserta KB dan tingkat kelahiran, harga suatu barang dan jumlah barang yang diminta, merupakan tiga contoh dari dua variabel yang memiliki hubungan yang bersifat negatif. Usia kendaraan dan tinggi gedung, kecepatan kendaraan dan jumlah bayi yang lahir, jumlah jembatan yang dibangun dan usia seseorang. Merupakan tiga contoh dua variabel yang tidak memiliki hubungan.

Bila ketiga jenis sifat hubungan antara dua variabel tersebut dinyatakan dalam grafik, bentuk grafiknya seperti Grafik 9.1.



Grafik 9.1

Tiga grafik yang menyatakan hubungan variabel X dan Y

Untuk mengetahui keeratan (kuat-lemahnya) atau derajat hubungan antara dua variabel itu (variabel X dan Y) dapat diukur dengan koefisien korelasi. Pola hubungan antara dua variabel yaitu variabel X dan Y, yang dibentuk oleh serangkaian pasangan data (Xi, Yi) dengan i = 1, 2, 3 .... n, dapat berbentuk berbagai macam persamaan regresi, mungkin linear atau tan-linear (kuadrat, kubik, eksponensial, elip dan bentuk lainnya).

Sebelum persamaan regresi ditentukan, apakah bentuknya linear atau tan-linear, sebaiknya dibuat terlebih dahulu diagram pencarnya (scatter diagram), setelah itu baru dipilih persamaan regresi yang paling mendekati. Langkah itu diambil agar penyimpangan yang terjadi sekecil mungkin.

Berikut ini, diberikan empat (4) bentuk scatter diagram .

Diagram 9.2Empat Bentuk Scatter Diagram

(a) Mendekati Linear

(b) Menedekati Linear

(c) Tan-linear

(d) Tan- Linear


Nata Wirawan 227

Tujuan Mempelajari Analisis Regresi. Tiga tujuan utama mempelajari analisis regresi adalah (1) untuk memperoleh suatu persamaan garis yang menunjukkan persama-an hubungan antara dua variabel. Persamaan garis yang diperoleh disebut persamaan regresi. (2) untuk mengetahui besarnya pengaruh perubahan tiap unit variabel bebas terhadap perubahan variabel terikatnya. Pengaruh perubahan tiap unit variabel bebas ditunjukkan oleh nilai koefisien regresinya. (3) Untuk menaksir nilai variabel terikat (Y) berdasarkan variabel bebas (X) yang nilainya telah diketahui. Butir (3) menunjukkan bahwa analisis regresi adalah satu alat estimasi.

9.3 Regresi Linear Sederhana : Metode Kuadrat TerkecilSecara umum persamaan garis lurus dinyatakan sebagai berikut:

Y = a + bX

Dari serangkaian data sampel ( ) dengan i = 1, 2, 3, ... n, dibuat diagram pencarnya, dari semua kemungkinan garis lurus yang dapat ditarik pada diagram pencar tersebut, metode kuadrat terkecil (Least Squares method) akan memberikan jumlah kuadrat deviasi vertikal (tegak) dari titik-titik observasi ke garis regresi tersebut sekecil mungkin, atau dengan kata lain metode kuadrat terkecil memberikan ( )∑ −

2

i YY = yang terkecil. ( )ii YY − = e, disebut residual

Y • ( Xi ,Yi )

ei

Y a bX= +

a 0 X

Gambar 9.1 Kreteria Kuadrat Terkecil

Agar jumlah kuadrat simpangan vertikal ke garis regresi yaitu ∑(Yi - )2 sekecil mungkin, maka ∑(Yi - )2 = ∑(ei)

2 diminimumkan terhadap a dan b. Dengan bantuan kalkulus diferensial (derevasi parsial) didapatlah dua persamaan normal yaitu persamaan (9.1) dan persamaan (9.2). Dengan menyelesaikan kedua persamaan ini secara simultan, maka nilai a dan b dari persamaan linear

= a + bx, dapat dihitung.

∑Yi = n.a + b∑Xi (9.1)

∑XiYi = a∑x + b∑X2 (9.2)

Dalam bentuk lain, kedua persamaan normal di atas dapat dinyatakan seba-gai:



b = (9.3)

a = (9.4)

a = konstanta atau titik potong dengan sumbu Y, bila X = 0 b = Slope garis atau arah garis regresi, yang menyatakan perubahan

nilai Y akibat perubahan 1 unit X = Taksiran nilai Y X = Variabel bebas (data pengamatan) Y = Variabel terikat (data pengamatan) n = banyaknya pasangan data

Koefisien regresi b pada (9.3) dapat juga dihitung melalui bentuk deviasi/penyimpangan masing-masing data terhadap mean-nya masing-masing yaitu ( = dan ( = ,, sebagai berikut :

∑xiyi b = ––––– (9.5) ∑xi

2

9.4 Interpretasi Terhadap Nilai Koefisien RegresiTanda positif atau negatif dari nilai koefisien regresi, bukanlah menyatakan

tanda aljabar, melainkan menyatakan arah hubungan atau lebih tegasnya menyatakan pengaruh variabel bebas X terhadap variabel terikat Y. Nilai b yang positif menyatakan bahwa variabel bebas X berpengaruh positip terhadap nilai variabel terikat Y. Sedangkan nilai b yang negatif (b dengan tanda negatif) menyatakan bahwa variabel bebas X berpengaruh negatif terhadap nilai variabel terikat Y.

Interpretasi terhadap nilai koefisien regresi, b adalah sebagai berikut:(1) b = k (k bertanda positif), artinya bila nilai variabel bebas X naik (bertam-

bah atau meningkat) 1 unit, maka nilai variabel Y akan naik (bertambah atau meningkat) rata-rata sebesar k unit, ceteris paribus. Sebaliknya bila nilai variabel bebas X turun (berkurang) 1 unit, maka nilai variabel Y akan turun (berkurang) rata-rata sebesar k unit (k adalah suatu kontanta).

b = - k (k bertanda negatif), artinya bila nilai variabel bebas X naik (bertam-bah atau meningkat) 1 unit, maka nilai variabel terikat Y akan turun(berku-rang) rata-rata sebesar k unit, ceteris paribus. Sebaliknya, bila nilai va-riabel bebas X turun (berkurang) 1 unit, maka nilai variabel terikat Y akan naik (bertambah atau meningkat) rata-rata sebesar k unit (k adalah suatu kontanta)


Nata Wirawan 229

9.5 Menaksir Nilai Variabel Terikat YDari serangkaian data sampel yang terdiri dari n pasangan data (Xi,Yi),

nilai a dan b dihitung, kemudian persamaan regresi sampelnya yaitu = a + bX dapat disusun. Selanjutnya berdasarkan persamaan regresi tersebut, dapat ditaksir nilai variabel terikat Y, pada nilai variabel bebas (X) tertentu, dalam batas-batas nilai X data pengamatan. Caranya yaitu dengan memasukkan X dengan nilai tertentu ke persamaan regresi, = a + bX

Agar lebih jelas bagaimana persamaan regresi sampel disusun, bagaima-na memberikan interpretasi terhadap nilai koefisien regresi yang diperoleh, serta bagaimana cara memperkirakan atau menaksir nilai Y berdasarkan X dengan nilai tertentu (telah diketahui). Simaklah dua contoh berikut.

Contoh 9-1Sebuah sampel acak yang terdiri dari 6 (enam) pasangan data mengenai besarnya pendapatan dan konsumsi bulanan dari 6 (enam) karyawan peru-sahaan swasta yang bergerak dalam bidang pariwisata (dalam juta rupiah) adalah sebagai berikut (data hipotesis):

Pendapatan (X) 8 12 16 20 24 26Konsumsi (Y) 7 9 12 14 13 15

Berdasarkan data tersebut,(a) Susunlah persamaan regresinya.(b) Berikanlah interpretasi teradap nilai koefisien regresinya.(c) Taksirlah konsumsi seorang karyawan yang pendapatannya Rp23 juta.

Penyelesaian (a) Menyusun persamaan regresi

Tabel 9.1 Perhitungan Untuk Persamaan Regresi

Xi Yi Xi Yi Xi2 Yi

2 xi =xi-

yi =Yi-Ῡ xi yi xi

2

81216202426

7912141315

56108192280312390

64144256400576676

4981

144196169225

-9,67-5,67-1,672,336,338,33

-4,67-2,670,332,331,333,33

45,1615,14-0,555,438,42

27,74

93,5132,152,795,43

40,0769,39

106 70 1.338 2.116 864 101,34 243,34

Dari Tabel 9.1, dapat diketahui ∑Xi = 106, ∑Yi = 70, ∑Xi Yi = 1338, ∑Xi

2 = 2116, ∑Yi

2 = 864 dan ∑XiYi = 101,34 ; ∑Xi2 = 243,34 dan n = 6

Per rumus (4.1) didapat dan ,



= = = 17, 67 = = = 11,67

Per rumus (9.3) atau rumus (9.5) dapat dihitung koefisien regresi b, seba-gai berikut:

b =

= 2)106()116.2(6)70)(106()338.1(6

−

−

=

= 0,42

Selanjutnya per rumus (9.4) konstanta a dapat dihitung: a = Ῡ - b = 11,67 – 0,42 (17,67) = 11,67 – 7,42 = 4,25

Jadi, persamaan regresinya : = 4,25 + 0,42X.

(b) Interpretasi terhadap nilai koefisien regresi, b. Dari persamaan regresi tersebut, dapat diketahui nilai b = 0, 42.Nilai b = 0,42, memiliki arti bahwa setiap kenaikan pendapatan sebesar satu juta rupiah, maka konsumsi akan meningkat rata-rata sebesar Rp0,42 juta. Atau, setiap penurunan pendapatan sebesar Rp 1 juta, maka kon-sumsi berkurang rata-rata sebesar Rp 0,42 juta.

(c) Menaksir besarnya konsumsi seorang karyawan yang memiliki pendapa-tan 23 juta rupiah. Dari persamaan regresi yang diperoleh pada poin (a) yaitu, = 4,25 + 0,42x, akan dapat ditaksir nilai Y untuk X = 23, sebagai berikut : = 4,25 + 0,42Xuntuk X = 23 → = 4,25 + 0,42 (23) = 13,91

Jadi, konsumsi seorang karyawan yang pendapatannya sebesar Rp23 juta ditaksir sebesar Rp13,91 juta.


Nata Wirawan 231

Contoh 9-2Lima pasangan data sampel di bawah ini adalah data mengenai nilai investasi dan suku bunga lima tahun terakhir pada suatu daerah (data hipotetis)

Suku Bunga (% per tahun) 12 14 15 16 17

Nilai Investasi (miliar rupiah) 100 80 60 50 40

(a) Tentukanlah persamaan regresinya(b) Berikanlah interpretasi terhadap nilai koefisien regresi tersebut(c) Taksirlah besar nilai investasi bila suku bunga 18% per tahun

Penyelesaian(a) Menyusun persamaan regresi.

Tabel 9.2 Perhitungan Unur-unsur Persamaan Regresi

Suku bunga(Xi)

Investasi(Yi)

Xi Yi Xi2 Yi

2

1214151617

10080605040

12001120900800680

144196225256289

100006400360025001600

74 330 4.700 1.110 24.100

Dari Tabel 9.2, dapat diketahui bahwa∑Xi = 74, ∑Yi = 330, ∑Xi

2 = 1.110, ∑Xi Yi = 4.700, ∑Yi

2 = 24.100 dan n = 5

Per rumus (4.1) didapat dan Ῡ

= = = 14,8 = = = 66

Per rumus (9.3) didapat nilai b,

b =

=

=

=

= -12,43



Per rumus (9.4) dapat dihtung nilai a, a = - b = 66 - (- 12, 43)(14, 8) = 66 + 183,96 = 249,96

Jadi, persamaan regresinya : = 249,96 - 12,43X

(b) Interpretasi terhadap nilai koefisien regresi, b Nilai b = -12,43, memiliki arti bahwa bila suku bunga naik sebesar 1% per

tahun maka nilai investasi akan turun rata-rata sebesar Rp12,43 miliar atau bila tingkat suku bunga turun sebesar 1% per tahun, maka nilai inves-tasi akan naik rata-rata sebesar Rp12,43 miliar.

(c) Menaksirkan nilai investasi, bila suku bunga 18%. = 249,96-12,43 XUntuk X = 18 → = 249,96-12,43 (18) = 26,22Jadi, bila suku bunga 18% per tahun, maka nilai investasi di daerah terse-but ditaksir sebesar Rp26,22 miliar.

9.6 Kesalahan Baku dari Dugaan

Penyimpangan titik-titik diagram pencar terhadap garis regresinya dinya-takan oleh besarnya kesalahan baku dari dugaan (

xYS ). Untuk menghitung nilai dari suatu pencaran data, dipakai rumus:

xYS = 2n

)YY( 2i

−−∑

(9.6)

atau

xYS =

2nYXbYaY iii

2i

−−−∑ ∑ ∑ (9.7)

xYS = Kesalahan baku dari dugaan

Yi = Nilai variabel terikat (pengamatan) yang ke-i Xi = Nilai variabel bebas (pengamatan) yang ke-i = Taksiran nilai Y atau nilai regresi n = banyaknya pasangan data sampel


Nata Wirawan 233

Diagram 9.3Tiga buah garis regresi dengan penyimpangannya

(a) Regresi lebih tepat

(b) Regresi kurang tepat

(c) Regresi tepat

Kesalahan baku dari dugaan ini secara langsung menunjukkan tingkat pen-

caran data. Semakin besar nilai xYS berarti semakin tersebar titik-titik yang bera-da sekitar garis regresi (semakin jauh letak titik-titik dari garis regresi). Semakin kecil nilai xYS semakin dekat titik-titik yang berada disekitar garis regresi. Apabi-la nilai xYS = 0, ini berarti semua titik-titik berada tepat pada garis regresi, yang berarti pula bahwa garis regresi dapat dipergunakan secara sempurna untuk menaksir variabel terikat, Y.

Pada Diagram 9.3a letak titik-titik lebih mendekati garis regresi dibanding-kan dengan pada Diagram 9.3b, pada Diagram 9.3c, semua titik-titik terletak tepat sepanjang garis regresi. Ini berarti untuk data Diagram 9.3a lebih kecil dari untuk data Diagram 9.3b, dan untuk data pada Diagram 9.3c adalah nol.

■ Interpretasi terhadap nilai Jika residualnya berdistribus normal, maka : (1) Sekitar 68% dari seluruh residual (beda antara nilai penamatan dan nilai taksirannya) terletak antara minus satu dan plus satu ; (2) Sekitar 95% dari seluruh residual terletak antara minus dua dan plus dua ; (3) Sekitar 99,7% dari seluruh residual terletak antara minus tiga dan plus tiga (Levin, 1982; Black, 2011).



Contoh 9-3Berdasarkan data pada Contoh 9.2, hitunglah kesalahan baku dari dugaan dan berikan interpretasi.

PenyelesaianDari hasil perhitungan Tabel 9.2, telah diperoleh bahwa ∑Yi = 330, ∑Yi

2 = 24.100, ∑XiYi = 4.700, a = 249,96; b =-12, 43 dan diketahui n = 5.

Per rumus (9.7) dihitung sebagai berikut:

=

= )25(

)4700)(43,12()330(96,249100.24−

−−−

=

= 3,38

Jadi, kesalahan baku dari dugaan adalah Rp3,38 miliar.

Interpretasi nilai . Nilai = Rp3,38 miliar, memiliki arti bahwa sekitar 68% dari seluruh residual (beda nilai investasi dan nilai taksirannya) terletak antara minus (1 x ) = Rp3,38 miliar dan (1 x ) = Rp3,38 miliar. Sekitar 95% residual letaknya antara minus (2 x ) = Rp6,76 miliar dan (2 x ) = Rp 6,76 miliar, dan hampir seluruh residualnya (sekitar 99,7%) terletak antara minus (3 x ) = Rp 10,14 miliar dan (3 x ) = Rp10,14 miliar.

Contoh 9-4Berdasarkan data Contoh 9.1, hitunglah kesalahan baku dari dugaan.

Penyelesaian Dari hasil perhitungan Tabel 9.1, diperoleh ∑Yi = 70, ∑Yi

2 = 864, ∑Xi Yi = 1338, a = 4,25; b = 0,42 dan diketahui n = 6


=

= )26()1338(42,0)70(25,4864

−

−−

= 4

96,5615,297864 −−


Nata Wirawan 235

=

= 1,07

Nilai = 1,07 ribu rupiah, memiliki arti bahwa sekitar 68% dari seluruh residual (beda nilai konsumsi dan nilai taksirannya) terletak antara minus Rp1,07 ribu dan Rp1,07 ribu . Sekitar 95% nilai residualnya terletak antara minus Rp2,14 ribu dan Rp2,14 ribu , dan hampir seluruh residualnya (sekitar 99,7%) terletak antara minus Rp3,21 ribu dan Rp3,21 ribu.

9.7 Koefisien DeterminasiSalah satu alat utama untuk mengukur ketepatan/kesuaian(goodness of

fit) garis regresi terhadap datanya adalah koefisien determinasi.Definisi Koefisien Determinasi. Koefisien determinasi di definisikan sebagai berikut:

Variasi yang dapat dijelaskan Koefisien determinasi = ––––––––––––––––––––––––– (9.8) Variasi total

Diagram 9.4 Total Variasi yang Dapat Dijelaskandan Variasi yang Tak Dapat Dijelaskan

Tak Dapat Dijelaskan

Perhatikan Diagram (9.4), dapat diuraikan sebagai berikut:Total deviasi = deviasi yang dapat dijelaskan + deviasi yang tak dapat dijelaskan. Sementara itu,Total deviasi (deviasi variabel terhadap rata-rata ) =



Deviasi yang tak dapat dijelaskan oleh X (deviasi variabel Yi terhadap garis regresi ) = Deviasi yang dapat dijelaskan oleh X (deviasi Y di bawah garis regresi dan di atas rata-rata) = Total deviasi = deviasi yang dapat dijelaskan + deviasi yang tak dijelaskan

= + (9.9)

Hubungan (9.9) dapat juga ditulis sebagai:

Total variasi = variasi yang dapat dijelaskan + variasi yang tak dijelaskan

= +

Berdasarkan definisi (9.8), maka koefisien determinasi dapat dirumuskan sebagai berikut:

Variasi yang dapat dijelaskan r2 = ––––––––––––––––––––––– Total variasi

r2 = (9.10)

Bila penyebut dan pembilang pada rumus (9.10) masing-masing dibagi dengan banyaknya pasangan data (n), maka koefisienen determinasi dapat juga dirumuskan sebagai berikut:

Varians yang dijelaskanKoefisien determinasi = ––––––––––––––––––––– Total varians

r2 = (9.11)

Per definisi, koefisien determinasi adalah suatu ukuran yang dapat menje-laskan porsi variasi variabel terikat yang dapat dijelaskan oleh garis regresinya atau variabel bebasnya. Namun, dalam prakteknya, untuk dua variabel yang memiliki hubungan fungsional, para statisi menterjemahkan istilah “menjelas-kan” dengan mempengaruhi. Dengan demikian, untuk variabel-variabel yang memiliki hubungan fungsional, koefisien determinasi diartikan sebagai besar-


Nata Wirawan 237

nya pengaruh/kontribusi (dalam persen) variabel bebas terhadap variasi (naik turunnya) variabel terikatnya.Nilai koefisien determinasi terletak antara 0 dan 1 yaitu 0 ≤ r2 ≤ 1r2 = 1, berarti 100% total variasi variabel terikat dijelaskan oleh variabel bebasnya, dan menunjukkan ketepatan yang baik.r2 = 0, berarti tidak ada total variasi variabel terikat yang dijelaskan oleh variabel bebasnya.Dalam prakteknya perhitungan r2 per rumus (9.11) sangat sulit. Koefisien determinasi, r2 dapat juga dihitung dengan rumus yang lebih sederhana yaitu:

r2 = (9.12)

Contoh 9- 5Untuk Contoh 9.2, hitunglah koefisien determinasinya dan berikanlah

interpretasi

PenyelesaianDari Contoh 9.2 dan hasil perhitungannya diperoleh/ diketahui, a =

249,96; b = -12,43; Yi = 330, Yi2 = 24.100, Xi Yi = 4.700, = 66

dan n = 5


r2 =

= 2

2

)66(5100.24)66(5)700.4(43,12)330(96,249

−

−−

= 780.21100.24780.21421.588,2486.8

−

−−

= 23208,285.2

= 0,98

Jadi, koefisien determinasinya = 0,98.

Nilai r2 = 0,98, memiliki arti bahwa 98% dari variasi (naik-turunnya) investasi dijelaskan/dipengaruhi oleh suku bunga, dan sisanya lagi 2 % dipengaruhi oleh faktor-faktor lain.



Contoh 9- 6Berdasarkan data pada Contoh 9-2, hitunglah koefisien korelasinya, dan jelaskan hubungan antara tingkat suku bunga dan investasi, positif atau negatif?Penyelesaian

Hasil perhitungan r2 untuk Contoh 9-2, terdapat pada Contoh 9 - 5 adalah r2 = 0,98

Maka, r =

= 98,0 = ± 0,99

Oleh karena nilai b adalah negatif (b = - 12,43, lihat Contoh 9-2), maka koefisien korelasinya adalah - 0,99. Jadi, antara suku bunga dan investasi terdapat hubungan yang negatif. Artinya jika tingkat suku bunga meningkat maka investasi cenderung menurun.

Oleh karena nilai b adalah negatif (b = - 12,43, lihat Contoh 9-2), maka koefisien korelasinya adalah - 0,99. Jadi, antara suku bunga dan investasi terdapat hubungan yang negatif. Artinya jika tingkat suku bunga meningkat maka investasi cenderung menurun.

9.8 Analisis KorelasiSeperti telah dijelaskan dimuka analisis regresi bertujuan untuk mengetahui

pola hubungan antara dua variabel, apakah hubungan kedua variabel tersebut linear atau tan linear. Pola hubungan ini dinyatakan oleh persamaan regresi. Tujuan lainnya adalah untuk mengetahui pengaruh variabel bebas X terhadap variabel terikat Y, serta untuk mengadakan taksiran nilai Y berdasarkan nilai X tertentu yang telah diketahui. Sedangkan analisis korelasi bertujuan untuk mengetahui keeratan hubungan (kuat-lemahnya) hubungan antara variabel bebas X dengan variabel terikat Y, tanpa melihat bentuk hubungannya, apakah linear atau tan-linear. Kuat-lemahnya hubungan antara dua variabel dilihat dari koefisien korelasinya. Jadi, koefisien korelasi (r) merupakan alat untuk mengukur kuat-lemahnya hubungan antara dua variabel, sedangkan koefisien determinasi (r2) merupakan alat untuk mengukur ketepatan garis regresi terhadap sebaran datanya.

9.8.1 Koefisien Korelasi Melalui Analisis RegresiAnalisis korelasi biasanya dilakukan secara bersamaan dengan analisis

regresi. Jika analisis korelasi dilakukan bersamaan dengan analisis regresi maka koefisien korelasi merupakan akar dari koefisien determinasi, yang dapat dihitung dengan rumus berikut:

r =


Nata Wirawan 239

r = ∑∑

−

−− 2

2

)()ˆ(

1YYYY

i

i (9.13)

Nilai dari r berkisar antara -1 dan +1, yaitu -1 ≤ r ≤ 1. Nilai r positip, me--nunjukkan hubungan antara variabel X dan Y searah (bila nilai X meningkat maka nilai Y juga meningkat dan sebaliknya bila nilai X menurun maka nilai Y juga turun). Nilai r negatif menunjukkan hubungan antara variabel X dan Y berlawanan arah (bila nilai X meningkat maka nilai Y akan menurun, dan bila nilai X menurun maka nilai Y akan meningkat).Nilai r = 0 menunjukkan antara variabel X dan Y tidak ada hubungan secara linear, akan tetapi mungkin saja terjadi hubungan secara tan - linear.Suatu kelemahan jika koefisien korelasi (yang bukan nol) dihitung berda-sarkan koefisien determinasi adalah koefisien korelasinya tidak menunjukkan arah hubungan secara spesifik, negatif atau positif. Oleh karena, akar (dua) dari suatu bilangan positif hasilnya dapat positif atau negatif. Keraguan ini dapat dihilangkan dengan mengambil tanda koefisien korelasi mengikuti tan-da koefisien regresinya. Maksudnya, bila koefisien regresinya bertanda po-sitif, maka tanda kofisien korelasinya juga positif, sebaliknya bila koefisien regesinya bertanda negatif, maka tanda koefisien korelasinya juga negatif

Contoh 9-6Berdasarkan data pada Contoh 9-2, hitunglah koefisien korelasinya, dan je-laskan hubungan antara tingkat suku bunga dan investasi, positif atau nega-tif?

Penyelesaian Hasil perhitungan r2 Contoh 9-2, terdapat pada Contoh 9-5 adalah 0,98

maka,

r = = 98,0

= ± 0,99

Oleh karena, tanda nilai b adalah negatif (b = -12,43, lihat Contoh 9 -2)Maka, koefisien korelasinya adalah -0,99. Jadi, antara suku bunga dan in-vestasi terdapat hubungan negatif, artinya jika tingkat suku bunga naik maka investasi akan turun.

9.8.2 Koefisien Korelasi Tanpa Analisis RegresiAda kalanya, sesorang tertarik hanya ingin mengetahui kuat-lemahnya hu-bungan antara dua variabel, tanpa berkeinginan untuk mengadakan penaksi-ran atau ingin mengetahui lebih lanjut mengenai pengaruh salah satu variabel



(variabel bebas) terhadap variabel lainnya (variabel terikat). Koefisien kore-lasi dapat langsung dihitung dengan beberapa cara, salah satu diantaranya adalah metode Karl Pearson atau produk Moment. Menurut metode ini, koefi-sien korelasi dapat dihitung dengan rumus:

r = (9.14)

n = banyaknya pasangan data Xi = (nilai pengamatan)variabel bebas yang ke -i Yi = (nilai pengamatan) variabel terikat yang ke-i

9.9 Interpretasi Terhadap Nilai Koefisien KorelasiUntuk dapat mengetahui kuat-lemahnya tingkat atau derajat hubungan

antara variabel X dan Y, secara kasar/sederhana dapat dirujuk pedoman yang diberikan oleh Elifson, et. al (1990), dalam Tabel 9.3.

Tabel 9.3 Interpretasi Terhadap Koefisien Korelasi

Besar Koefisien Korelasi (r)

(positif /negatif) Interpretasi

0,01 - 0,30 Antara variabel X dan Y terdapat korelasi yang lemah.

0,31 -0,70 Antara variabel X dan Y terdapat korelasi yang moderat (sedang ata cukup).

0,71 - 0,99 Antara variabel X dan Y terdapat korelasi yang kuat atau tinggi.

1 Antara variabel X dan Y terdapat korelasi yang sempurna.

Contoh 9-7Dari sebuah bank pemerintah, dalam 5 tahun terakhir diperoleh data, menge-nai tabungan masyarakat (Y) dan suku bunga (X).

Y(miliar Rp 1 2 4 7 9

X(% per tahun) 10 12 14 15 16

Dengan menganggap data tersebut sampel acak, hitunglah koefisien korela-sinya dengan metode Karl Pearson dan berikanlah interpretasi.


Nata Wirawan 241

Penyelesaian

Tabel 9.4 Cara Menghitung Koefisien Korelasi dengan Cara Karl Pearson

Xi Yi Xi2 Yi

2 XiYi1012141516

12479

100144196225256

14164081

102456105144

67 23 921 151 339

Dari Tabel 9.4, dapat diketahui bahwa: ∑Xi = 67, ∑Yi = 23, ∑Xi Yi = 339, ∑Xi

2 = 921, ∑Yi

2 = 151 dan n = 5


r =

=

=

= =

= 0,95

Jadi, koefisien korelasinya sebesar 0,95. Nilai r = 0,95, memiliki arti bahwa ter-dapat hubungan yang positif dan kuat antara tabungan dengan suku bunga.

Contoh 9-8Produksi (Y) dalam ribu ton dari sebuah perusahaan pada periode tertentu dan upah tenaga kerja (X) dalam juta rupiah yang dikeluarkannya disajikan sebagai berikut (data hipotetis):

X(Juta Rp 2 4 6 7 8 10 11 12 13 14Y (ton ) 4 5 8 10 12 16 18 20 21 24

Dengan menganggap data tersebut sampel acak(a) Dengan metode kuadrat terkecil, tentukanlah persamaan regresinya.



(b) Berikanlah interpretasi terhadap koefisien garis regresi yang diperoleh.(c) Hitunglah koefisien determinasinya dan berikanlah interpretasi.(d) Hitunglah koefisien korelasi dan berikanlah interpretasi.(e) Taksirlah hasil produksi bila upah tenaga kerja yang dikeluarkan sebesar

Rp 12,5 juta.(f) Hitunglah kesalahan baku dari dugaan dan berikanlah interpretasi.

Penyelesaian (a) Menentukan persamaan regresinya.

Tabel 9.5 Perhitungan Untuk Persamaan Regresi

Xi Yi Xi2 Yi

2 XiYi24678

1011121314

458

10121618202124

416364964

100121144169196

162564

100144256324400441576

820487096

160198240273336

87 138 899 2346 1449

Dari hasil perhitungan Tabel 9.5 diketahui: ∑Xi = 87, ∑Yi = 138, ∑Xi

2 = 899, ∑Xi Yi = 1449 dan n = 10

Per rumus (4.1) dapat dihitung dan Ῡ,

= = = 8, 70 = =

= 13,80


b =

=

=

=

= 1,75Selanjutnya per rumus (9.4) didapat a = Ῡ- b.


Nata Wirawan 243

= 13,8 -1,75 (8, 7) = 13,8 - 15,23 = -1,43

Jadi, persamaan regresinya Ŷ = -1,43 + 1,75X

(b) Interpretasi terhadap koefisien garis regresi, b Nilai b = 1,75, memiliki arti bahwa bila upah tenaga kerja dinaikkan 1 juta

rupiah maka produksi meningkat sebesar 1,75 ton atau bila upah tenaga kerja diturunkan Rp1 juta maka produksi akan turun sebanyak 1,75 ton.

(c) Koefisien determinasi, r2Dari hasil perhitungan poin (a) dan hasil peritungan Tabel 9.5 diperoleh

a = -1,43; b = 1,75; ∑Yi2 = 2346; ∑XiYi= 1449; ∑Yi = 138; Ῡ= 13,8.


r2 = ∑

∑ ∑−

−+22

2

)()(

YnYYnYXbYa

i

iii

= 2

2

)8,13(10)346.2()8,13(10)1449(75,1)138(43,1

−

−+−

= 4,904.1346.2

4,904.175,535.234,197−

−+−

= 60,44101,434

= 0,98

Jadi, koefisien determinasinya = 0,98

Nilai r2 = 0,98, memiliki arti bahwa 98% variasi (naik-turunnya) produksi dipengaruhi (dapat dijelaskan) oleh upah tenaga kerja dan sisanya lagi 2%, disebabkan oleh faktor lain.

(d) Koefisien korelasi

r = = = ± 0,99

Oleh karena, tanda koefisien regresi positif maka tanda koefisien korela-sinya juga positif. Jadi, koefisien korelasinya adalah 0,99.

Nilai r = 0,99, menunjukkan bahwa antara upah tenaga kerja dan produksi terdapat hubungan (korelasi) positif dan kuat.



(e) Taksiran nilai Y untuk X = 12,5 Pada poin (a) telah disusun persamaan regresin, Ῡ =-1,43 +1,75 X Untuk X = 12 → Ŷ = -1,43 + 1,75 (12,5)

= 20,45 Jadi, bila upah tenaga kerja yang dikeluarkan sebesar 12,5 juta rupiah,

maka produksinya ditaksirkan sebanyak 20,45 ton(f) Kesalahan baku dari dugaan Dari Tabel 9.5 dan poin (a) dapat diketahui ∑Yi = 138, ∑Yi

2 = 2346, ∑Xi Yi = 1449, a =-1,43 , b = 1, 75 serta n = 10.


=

= )210()449.1(75,1)138)(43,1(348.2

−

−−−

= 859,9 = 1,09

Jadi, kesalahan baku dari dugaan, = 1,09

Nilai = 1,09, artinya bahwa sekitar 68% nilai residualnya (beda nilai produksi pengamatan dan nilai taksirannya) terletak antara minus 1,09 ton dan 1,09 ton. Sekitar 95% nilainya terletak antara minus 2,18 ton dan 2,18 ton, dan hampir seluruhnya (99,7%) terletak antara minus 3,27 ton dan 3,27 ton.

Contoh 9-9Seorang periset ingin mengetahui hubungan antara harga/tarif kamar hotel

dengan jumlah kamar yang terjual. Di bawah ini merupakan data hasil riset mengenai harga/tarif kamar per unit per hari dan jumlah kamar yang terjual dari sebuah hotel dalam lima (5) tahun terakhir.

Tahun Harga(Juta Rp

Jumlah Kamar(Unit)

20102011201220132014

45678

6050453025

Berdasarkan data tersebut, (a) Dengan metode kuadrat terkecil, susunlah persamaan regresinya.(b) Berikan interpretasi terhadap koefisien regresinya.(c) Hitunglah koefisien korelasi dan koefisien determinasinya, dan berikan in-

terpretasi


Nata Wirawan 245

(d) Jika harga per unit kamarper malam Rp 6,4 juta taksirlah jumlah kamar yang terjual.

(e) Hitunglah kesalahan baku dari dugaan dan berikan interpretasi.

Penyelesaian(a) Menentukan persamaan regresinya

Tabel 9.6 Perhitungan Unsur-unsur Persamaan RegresiHarga

(Xi)Kuantitas Barang (Yi) Xi

2 XiYi Yi2

45678

6050453025

1625364964

240250270210200

360025002025900625

30 210 190 1.170 9.650

Dari hasil perhitungan dalam Tabel 9.6 dapat diketahui : Xi

= 30, Yi = 210, Xi2 = 190, XiYi = 1.170 dan n = 5

Per rumus (4.1) dapat dihitung dan ,

= = 530

= 6

= =5

210 = 42


b =

= 2)30()190(5)210)(30()170.1(5

−

−

= 900950

300.6850.5−−

= 50450−

= - 9,00

Selanjutnya per rumus (9.4) didapat



a = - b. = 42 – (- 9)(6) = 42 + 54 = 96

Jadi, persamaan regresinya

= a + bX = 96 - 9X

(b) Interpretasi terhadap slope garis regresi, b. Nilai b = - 9,00, memiliki arti bahwa bila harga/tarif kamar naik satu juta

rupiah maka jumlah kamar yang terjual akan turun rata-rata sebanyak 9 unit, atau bila harga/tarif kamar turun satu juta rupiah maka jumlah kamar yang terjual akan naik rata-rata sebanyak 9 unit.

(c) Koefisien determinasi, r2 Dari hasil perhitungan poin (a) dan hasil peritungan Tabel 9.6 diperoleh a = 96, b = - 9, Yi

2 = 9.650, XiYi =1.170, Yi = 210, = 42 dan n = 5.


r2 = ∑

∑ ∑−

−+22

2

)()(

YnYYnYXbYa

i

iii

= 2

2

)42(5)650.9()42(5)170.1(9)210(96

−

−−

= 820.8650.9

820.8530.10160.20−

−−

= 830810

= 0,975 = 0,98 (dibulatkan)

Jadi, koefisien determinasinya = 0,98

Nilai r2 = 0,98, memiliki arti bahwa 98% variasi (naik-turunnya) jumlah kamar yang terjual dijelaskan/dipengaruhi oleh harga per unitnya dan sisanya lagi 2%, disebabkan oleh faktor lain.

(d) Koefisien korelasi r =

= = ± 0,99


Nata Wirawan 247

Oleh karena, tanda koefisien regresi negatif (b = - 9) maka tanda koefisien korelasinya juga negatif. Jadi, koefisien korelasinya adalah - 0,99. Nilai r = - 0,99, memiliki arti bahwa antara harga/tarif kamar dengan jumlah kamar yang terjual terdapat hubungan (korelasi) negatif dan kuat.

(e) Taksiran nilai Y untuk X = 6,4

Pada butir (a) telah disusun persamaan regresinya, = 96 – 9 X

Untuk X = 6,4 → = 96 – 9(6,4) = 38,4

Jadi, bila harga/tarif per unit kamar per malam Rp6,4 juta, maka jumlah kamar yang terjual ditaksir sebanyak 38,4 unit ≈ 38 unit (dibulatkan).

(f) Kesalahan baku dari dugaan Dari Tabel 9.6 dan butir (a) dapat diketahui Yi = 210, Yi

2 = 9.650, XiYi = 1.170, a = 96 , b = -9 dan n = 5.


=

= )25(

)170.1)(9()210)(96(650.9−

−−−

=320

= 2,58

Jadi, kesalahan baku dari dugaan, = 2,58

Interpretasi. Nilai = 2,58, artinya bahwa sekitar 68% nilai residual-nya (beda kuantitas pengamatan dan taksirannya) terletak antara minus 2,58 unit dan 2,58 unit. Sekitar 95% nilainya terletak antara minus 5,16 unit dan 5,16 unit, dan hampir seluruhnya (99,7%) terletak antara minus 7,74 unit dan 7,74 unit.

9.10 Korelasi PeringkatMenurut metode ini, kuat-lemahnya korelasi/hubungan antara dua variabel

diukur berdasarkan perbedaan urutan kedudukan (ranking) nilai sekornya dan bukan berdasarkan nilai data pengamatan (nilai asli). Jadi, datanya berupa data ordinal atau data urutan menurut kedudukan. Teknik korelasi peringkat ini akan memberikan hasil yang cukup memuaskan bila ukuran sampelnya, tidak kurang dari 10 dan tidak lebih dari 29. Jadi ukuran sampelnya termasuk



ukuran sampel kecil, dan apabila ukurannya diluar itu, sebaiknya analisis ko-relasi peringkat ini tidak digunakan.

Untuk menentukan (mencari) koefisien korelasi, hubungan antara dua va-riabel yang datanya berupa data ordinal, salah satunya dapat digunakan ru-mus Spearman sebagai berikut:

(9.15)

r = koefisien korelasi n = banyaknya pasangan data/ukuran sampel/banyaknya pengamatan S = banyaknya pasangan rank di = selisih dari pasangan rank ke-i

Contoh 9 - 10Di bawah ini adalah data mengenai pengalaman kerja (dalam tahun) dan

hasil penjualan (dalam juta rupiah) 10 orang salesman dari sebuah peru-sahaan untuk sejenis barang tertentu.

Nama A B C D E F G H I JPengalamanKerja (Tahun) 6 5 3 8 9 4 10 7 1 2

Hasil Penjualan(Juta Rupiah) 50 33 41 60 35 32 57 30 45 22

Berdasarkan data tesebut, hitunglah korelasi peringkatnya.

PenyelesaianTerlebih dahulu masing- masing nilai data observasi dari masing-masing

variabel diberi nomor urut (ranking). Pemberian nomor ini mulai dari data de-ngan nilai terbesar. Data dengan nilai terbesar boleh diberi nomor rangking terkecil atau sebaliknya. Berikut ini, data dari masing-masing variabel dengan nilai terbesar, diberi rangking mulai dengan nomor terkecil yaitu nomor 1. Andaikata pemberian nomor rangking ini dibalik yaitu pengalaman kerja terlama dan hasil penjualan terbesar diberi ranking mulai dengan nomor urut terbesar yaitu 10, akan memberikan hasil yang sama.


Nata Wirawan 249

Tabel 9.7 Cara Menghitung Koefiien Korelasi dengan Rumus Spearman

Nama PengalamanKerja (X)

RankX

Hasil Penjualan (Y)

Rank Y

diSelisih Rank

di2

ABCDEFGHIJ

6538

114

12712

56832714

109

50334160353257304522

375168294

10

2-132

-4-1-1-56

-1

4194

1611

25361

98

Dari Tabel 9.7, dapat diketahui bahwa = 98, dan diketahui n = 10


r = 1-)1(

62

2

−∑nn

di

= 1- = 1 -

= 1- 0,59 = 0,41

Jadi, koefisien korelasi peringkatnya adalah 0,41

Contoh 9-11Di bawah ini adalah data mengenai skor nilai atas 10 hotel binang empat terbaik, yang telah dinilai oleh sebuah badan independen, dengan laba bersih per tahun (miliar rupiah) sebagai berikut:

Nama Hotel A B C D E F G H I JNilai (X) 82 92 85 95 96 84 94 90 86 80Laba bersih (Y)(Miliar Rupiah) 50 34 42 60 36 31 60 30 24 45

Berdasarkan data tersebut, hitunglah korelasi peringkatnya

PenyelesaianPemberian ranking, dimulai dari variabel dengan nilai terbesar. Variabel den-gan nilai terbesar diberi ranking 1, dan seterusnya. Pada variabel laba bersih (kolom 4) ada data bernilai kembar/sama yaitu data dengan nomor urut 4



dan 7, dengan nilai masing-masing 60. Maka rankingnya haruslah sama, cara menghitungnya adalah jumlah skor ranking dibagi 2, yaitu (1 + 2)/2 = 1,5. Jika ada tiga data bernilai sama, maka rankingnya sama dengan jumlah ketiga skor rankingnya di bagi tiga.

Tabel 9.8 Cara Menghitung Koefiien Korelasi dengan Rumus Spearman

NamaHotel

SekorNilai (X)

RankX Laba bersih (Y) Rank

Ydi

Selisih Rank di2

ABCDEFGHIJ

82928595968494908680

94721835610

50344260363160302445

375

1,568

1,59

104

6-32

0,5-50

1,5-4-46

3694

0,25250

2,25161636

144,5

Dari Tabel 9.8 dapat diketahui ∑di2= 144,5 dan diketahui n = 10


r = 1 - )1(

62

2

−∑nn

di

= 1 -

= 1-

= 1 - 0,88 = 0,12

Jadi, korelasi peringkatnya adalah 0,12


Nata Wirawan 251

Soal-soal Latihan

9 - 1 Seorang periset ingin mengetahui hubungan antara inflasi dengan jumlah uang yang beredar. Di bawah ini merupakan data mengenai tingkat inflasi dan jumlah uang yang beredar di sebuah negara 10 tahun terakhir (2002 -2011).

Tahun Inflasi Jumlah Uang Beredar(Triliun Rupiah)

2002200320042005200620072008200920102011

10,012,512,613,514,415,014,916,215,917,5

164,2170,0171,2177,5166,8169,0165,7170,1168,9174,6

Berdasarkan data tersebut, (a) Susunlah persamaan regresinya dengan metode kuadarat terkecil(b) Berikan interpretasi terhadap koefisien regresinya.(c) Hitunglah koefisien korelasi dan koefisien determinasinya, dan be-

rikan interpretasi.(d) Hitunglah kesalahan baku dari dugaan dan berikan interpretasi.

9 - 2 Suatu survei yang ingin mempelajari hubungan pertumbuhan ekonomi dengan pengangguran (persentase jumlah penduduk yang mengang-gur terhadap populasi/total penduduk) dilakukan. Survei dilakukan di delapan negara (sampel acak) pada tahun lalu, di dapat hasil sebagai berikut (data hipotetis).

Pertumbuhan Ekonomi

(%)Penggangguran

(%)2,53,64,25,46,42,64,07,0

6,46,26,05,45,06,65,64,0

Berdasarkan data tersebut, (a) Susunlah persamaan regresinya dengan metode kuadarat terkecil.



(b) Berikan interpretasi terhadap koefisien regresinya.(c) Hitunglah koefisien korelasi dan koefisien determinasinya, dan be-

rikan interpretasi.(d) Taksirlah persentase penganggur pada sebuah negara yang per-

tumbuhan ekonominya 4,6 persen.

9 - 3 Suatu survei yang bertujuan ingin mengetahui hubungan antara biaya promosi dan tingkat hunian kamar hotel dilakukan. Sepuluh (10) hotel bintang 5 diambil sebagai sampel acak, setelah diteliti didapat hasil sebagai berikut (data hipotesis)

Biaya Promosi(Ratus Juta Rupiah)

Tingkat Hunian Kamar(%)

2,03,23,54,04,55,26,06,57,07,4

40505460657075788085

Pertanyaan(a) Dengan metode kuadrat terkecil, tentukanlah persamaan garis

regresinya.(b) Berikanlah interpretasi nilai b dari persamaan regresi yang diperoleh.(c) Hitunglah koefisien korelasi dan determinasinya, dan berikanlah

interpretasi(d) Coba saudara taksir volume penjualan perusahaan tersebut jika

biaya iklan yang dikeluarkan sebesar Rp 750 juta.(e) Hitunglah kesalahan baku dari dugaan, dan berikan inter-pretasi.

9 - 4 Data sekunder berupa data time series tahunan (dalam 5 tahun terkahir) berikut ini, merupakan hasil survei yang dilakukan di sebuah hotel bintang 4. Data ini menunjukkan hubungan antara harga kamar per malam dengan kuantitas kamar hotel yang terjual.

Tahun Harga/unit/malam(Juta Rp

Kuantitas Kamar (unit)

20112012201320142015

45678

5040353028


Nata Wirawan 253

Berdasarkan data tersebut, (a) Susunlah persamaan regresinya dengan metode kuadrat terkecil.(b) Berikan interpretasi terhadap koefisien regresinya.(c) Hitunglah koefisien korelasi dan koefisien determinasinya, dan

berikan interpretasi.(d) Hitunglah kesalahan baku dari dugaan dan berikan interpretasi.(e) Bila harga per unit kamar per malam Rp7,5 juta, berapa unit kamar

dapat diharapkan terjual?

9 - 5 Hasil penelitian tentang pemakaian air bersih produksi PAM per kepala keluarga di sebuah kecamatan menunjukkan hasil sebagai berikut:

Jumlah Anggota Keluarga

(Orang)Pemakaian Air Bersih

per Bulan (m3)23458

10

121722263254

Pertanyaan(a) Buatlah diagram pencarnya.(b) Berapa besar kenaikan rata-rata pemakaian air bersih per anggota

keluarga?(c) Berapa m3

penyimpangan pemakaian air bersih yang sebenarnya dari pemakaian air yang diperkirakan?

(d) Jika jumlah anggota keluarga 7 orang, berapa m3 kira-kira air ber-sih yang dipakai per bulan?

(e) Bagaimana hubungan jumlah anggota keluarga dengan volume pemakaian air tersebut ?

9 - 6 Data di bawah ini adalah data mengenai pendapatan petani sayur mayur per bulan dan pengeluaran untuk konsumsi.

Penghasilan per bulan

(Juta rupiah)Pengeluaran(Juta rupiah)

264258

1,22,41,81,12,54,3

Pertanyaan(a) Buatlah diagram pencarnya.(b) Berdasarkan metode kuadrat terkecil susunlah persamaan regresinya.



(c) Berikan interpretasi terhadap koefisien regresinya.(d) Hitunglah koefisien korelasi dan koefisien determinasi, dan berikan

interpretasi.(e) Jika penghasilan seorang petani Rp 7 juta, taksirlah besar penge-

luarannya.f) Tentukanlah besarnya penyimpangan rata-rata antara nilai pengelu-

aran aktual dengan nilai taksirannya.

9 - 7 Seorang periset ingin mengetahui hubungan antara jumlah peserta KB dengan banyaknya bayi yang lahir di suatu daerah. Di bawah ini merupakan data mengenai jumlah peserta KB dan jumlah bayi yang lahir di suatu daerah dalam 6 tahun terkahir.

Tahun Jumlah Peserta KB(Juta Orang)

Jumlah Bayi yang Lahir(Ribu orang)

200620072008200920102011

2,22,01,81,51,21,0

8,29,5

10,012,115,213,5

Berdasarkan data tersebut, (a) Susunlah persamaan regresinya dg metode kuadarat terkecil.(b) Berikan interpretasi terhadap koefisien regresinya.(c) Hitunglah koefisien korelasi dan koefisien determinasinya, dan be-

rikan interpretasi.(d) Jika peserta KB nya 1,4 juta orang, taksirlah jumlah bayi yang lahir.

9-8 Dua orang konsumen yaitu Santosa dan Martono diminta memberikan peringkat berdasarkan enak-tidaknya rasa 12 kopi bubuk yang beredar di pasar. Kopi yang paling enak diberi nilai/skor terbesar yaitu 12 dan yang paling tidak enak diberi nilai/skor 1. Diperoleh hasil sebagai berikut:

Merk Kopi Rank Santosa Rank MartonoA B C D E F G H I J K L

41271958

10362

11

11053679

10284

11


Nata Wirawan 255

Berdasarkan data di atas, hitunglah koefisien korelasi peringkatnya, dan berikan interpretasi.

9 - 9 Seorang periset ingin mengetahui hubungan antara waktu lamanya antre (dalam menit) dengan banyak jenis barang belanjaan untuk 10 konsumen pada salah satu kasir/kasa di sebuah pusat pembelanjaan.

Waktu(Menit)

Bayak jenis Barang (Item)

879

125

20151468

53473

108623

Berdasarkan data tersebut, (a) Susunlah persamaan regresinya dg metode kuadarat terkecil.(b) Berikan interpretasi terhadap koefisien regresinya.(c) Hitunglah koefisien korelasi dan koefisien determinasinya, dan be-

rikan interpretasi.(d) Hitunglah kesalahan baku dari dugaan dan berikan interpretasi.

9 - 10 Data yang disajikan berikut ini adalah data mengenai ”aptitude test score” dan banyaknya mobil yang terjual dari 12 salesman yang beker-ja pada sebuah perusahaan mobil di Indonesia, dalam periode waktu tertentu.

Salesman Aptitude Test Score Banyaknya MobilTerjual (Unit)

123456789101112

908882958696789287759376

404138443045284042244635

Hitunglah koefisien korelasi peringkatnya, dan berikan interpretasi.



9 - 11 Seorang periset ingin mengetahui hubungan antara jumlah unit bangunan dengan luas lahan pertanian (sawah) di suatu wilayah. Data di bawah ini merupakan data jumlah unit bangunan dan luas lahan pertanian (sawah) di wilayah tersebut kurun waktu 2007-2014.

Tahun Jumlah Bangunan(Ribu unit)

Luas Lahan (Ribu Ha)

20072008200920102011201220132014

3,524,254,705,045,536,168,249,20

9085837874726860


berikan interpretasi.(d) Hitunglah kesalahan baku dari dugaan dan berikan interpretasi.

9 - 12 Seorang periset ingin mengetahui hubungan antara pendapatan per kapita negara asal wisman dengan jumlah wisman yang berlibur ke Bali. Data di bawah ini merupakan data pendapatan perkapita 10 negara asal wisman dan jumlah wisman yang berlibur ke Bali.

NegaraPendapatanPer kapita

(Ribu USD)

Jumlah Wisman(Ribu Orang)

ABCDEFGH

1925343738424549

45 60 727580848586



berikan interpretasi.(d) Hitunglah kesalahan baku dari dugaan dan berikan interpretasi.(e) Taksirlah jumlah wisman yang berlibur ke Bali bila pendapatan per

kapita penduduk sebuah negara 46.000 USD.

Nata Wirawan 257

REGRESI DAN KORELASI

LINEAR BERGANDA

10.1 PengantarDalam Bab 10, telah dipelajari model regresi dua variabel, yaitu model

regresi yang hanya terdiri dari satu variabel bebas saja. Dalam Bab 10 ini, pembahasan diperluas yaitu mengenai model regresi berganda (majemuk) yaitu model regresi yang melibatkan lebih dari dua variabel yaitu satu variabel terikat Y, dengan dua atau lebih variabel bebas (X1, X2, . . ., Xk). Namun dalam bab ini bahasan dibatasi pada model regresi berganda yang paling sederhana yaitu model regresi tiga variabel atau model regresi dengan dua variabel bebas. Model regresi ini terdiri dari satu variabel terikat Y, dan dua variabel bebas (X1, X2).

Tujuan bab ini. Setelah mempelajari bab ini, mahasiswa (peserta didik) diharapkan dapat menyusun/membangun model regresi, memberikan intrerpretasi koefisien regresi parsial, koefisien determiasi, koefisien korelasi ganda, Simpangan baku dari dugaan dan memprediksi nilai variabel terikat berdasarkan variabel bebasnya (dengan nilai tertentu).

10. 2 Model Regresi Dua Variabel BebasBentuk umum model regresi sampel dua variabel bebas atau model

regresi tiga variabel dapat dinyatakan sebagai:

Y 22110 XbXbb ++= (10.1)

10. Regresi dan Korelasi Linear Berganda


Y = estimasi variabel terikat Ybo = suatu konstanta b1 = kofisien regresi parsial dari X1b2 = kofisien regresi parsial dari X2

Sistem persamaan berikut didapat melalui metode kuadrat terkecil (disini tidak diuraikan)

∑∑∑ ++= 22110 XbXbnbY (10.2)

212

211101 XXbXbXbYX ∑∑∑∑ ++= (10.3)

∑∑∑∑ ++= 222211202 XbXXbXbYX (10.4)

Dengan menyelesaikan ketiga persamaan tersebut secara simultan akan

diperoleh nilai b1 dan b2 . Selanjutnya nilai b0 dapat dihitung per rumus 10.5.

22110 XbXbYb −−= (10.5)

Bila deviasi Xi dan iX dinyatakan sebagai xi = Xi - dan deviasi Yi daniY dinyatakan sebagai yi = Yi -, maka nilai b1 dan b2 dapat dihitung dengan

rumus berikut:

b1 = ∑ ∑ ∑

∑ ∑ ∑ ∑−

−2

2122

21

221221

).())(())(())((

xxxxyxxxxyx

(10.6)

b2 =∑ ∑ ∑

∑ ∑ ∑ ∑−

−2

2122

21

121212

)())(())(())((

xxxxyxxxxyx

(10.7)

10.3 Interpretasi Terhadap Nilai bo, b

1 dan b

2Misalkan diketahui persamaan regresi sampel seperti berikut ini:

22110ˆ XbXbbY ++=

Interpretasi terhadap nilai b0, b1 dan b2 adalah b0 menyatakan nilai rata-rata variabel Y, bila X1 = 0 dan X2 = 0.b1 menyatakan perubahan (naik/turun) nilai rata-rata variabel terikat Y, akibat

perubahan (naik/turun) 1 unit X1, ,jika X2 tetap.b2 menyatakan perubahan (naik/turun) nilai rata-rata variabel terikat Y, akibat

perubahan (naik/turun) 1 unit X2, jika X1 tetap.


Nata Wirawan 259

10.4 Kesalahan Baku PendugaanKesalahan baku pendugaan yaitu simpangan baku b0, b1 dan b2 yaitu

0bs ,1bs dan

2bs dan simpangan baku residualnya ( 12.Ys ) masing-masimg dapat dihitung dengan rumus-rumus berikut:

Var(b0) = ( )

212.Y2

2122

21

212121

22

21

21 s

xxxx

xxXX2xXxXn1

⎥⎥⎦

⎤

⎢⎢⎣

⎡

−

−++

∑ ∑ ∑∑ ∑ ∑ (10.8)

)b(Vars 0b0= (10.9)

Var(b1) = 212.Y2

2122

21

22 s.

)xx()x)(x(x

∑ ∑ ∑∑

− (10.10)

)b(Vars 1b1= (10.11)

Var(b2) = 212.Y2

2122

21

21 s.

)xx()x)(x(x

∑ ∑ ∑∑

− (10.12)

)b(Vars 2b2= (10.13)

Sementara 12.Ys (simpangan baku residual) dapat dihitung dengan rumus.

3

22112

12. −

−−== ∑ ∑∑

nyxbyxby

ss eY (10.14)

n = banyaknya pasangan data/ukuran sampelk = menunjukkan banyaknya variabel bebas dalam model regresi

(dalam hal ini k = 2)

0bs = simpangan standar/baku dari b0

1bs = simpangan standar/baku dari b1

2bs = simpangan standar/baku dari b212.Ys = se = simpangan baku dari e (residual)



Contoh 10-1 Lima rumah tangga petani dari suatu daerah pertanian tertentu dipilih

sebagai sampel acak, untuk diteliti tentang pengaruh pendapatan dan jumlah anggota keluarga terhadap pengeluaran konsumsinya. Dari penelitian yang dilakukan diperoleh hasil sebagai berikut (Anggaplah sebaran populasinya normal).

Y 7 9 8 5 6X1 8 12 9 6 6X2 6 3 3 2 6

X1 = pendapatan per tahun (juta rupiah)X2 = jumlah anggota keluarga (orang)Y = konsumsi per tahun (juta rupiah)

(a) Dengan metode kuadrat terkecil susunlah model regresinya.(b) Hitunglah nilai SY-12,

0bs ,1bs dan

2bs(c) Berikanlah interpretasi terhadap koefisien regresi parsialnya(d) Berikan interpretasi terhadap nilai SY-12 pada butir (b).

Penyelesaian(a) Menyusun model regresinya (regresi sampel)

Tabel 10.1 Perhitungan Unsur-unsur Model Regresi

Y X1 X2 x1 = X1 - 1X x2 = X2 - 2X y = Y -79856

812966

63326

- 0,23,80,8-2,2-2,2

2-1-1-22

021-2-1

35 41 20

y2 x1y x2y 2

1x 22x x1 x2

0 4 1 4 1

0 7,6 0,8 4,4 2,2

0 -2 -1 4 -2

0,04 14,44 0,64 4,84 4,84

4 1 1 4 4

-0,4 -3,8 -0,8 4,4 -4,4

10 15 -1 24,8 14 -5

Dari Tabel 10.1 dapat diketahui bahwa, n = 5


Nata Wirawan 261

7535

nY

Y35Y ===→= ∑∑

2,854141 1

11 ===→= ∑∑ nX

XX

452020 2

22 ===→= ∑∑ nX

XX

Dari baris terakhir Tabel 10.1 diketahui bahwa :

∑ =151yx ∑ −= 12 yx ∑ = 8,2421x ∑ =142

2x

∑ −= 521xx ∑ =102y

Per rumus (10.6), dapat dihitung nilai b1,

b1 = ∑ ∑ ∑

∑ ∑ ∑ ∑−

−2

2122

21

221221

).())(())(())((

xxxxyxxxxyx

= 6363,02,322

205)5()14)(8,24()1)(5()14)(15(2 ==

−−

−−−

Per rumus (10.7) dapat dihitung nilai b2,

b2 = ∑ ∑ ∑

∑ ∑ ∑ ∑−

−2

2122

21

121212

)())(())(())((

xxxxyxxxxyx

= 1558,02,3222,50

)5()14)(8,24()15)(5())8,24)(1(

2 ==−−

−−−

Selanjutnya per rumus (10.5), b0 dapat dihitung,

b0 = 2211 XbXbY −−

= 7 – 0,6363(8,2) - 0,1558(4) = 1,1591

Jadi, model regresinya

22110

ˆ XbXbbY ++=

=Y 1,1591 + 0,6363X1 + 0,1558X2

(b) Menghitung SY-12, SYb0, Sb1 dan Sb2

Per rumus (10.14), nilai SY-12 dapat dihitung sebagai berikut:

3nyxbyxby

s 22112

12.Y −

−−= ∑ ∑∑



35

)1(1558,0)15(6363,010s 12.Y −

−−−= = 3056,0 = 0,5528

212.Ys = 0,3056

Selanjutnya 0bs ,

1bs dan 2bs masing-masing dihitung melalui tahapan

berikut:

Var(b0) = ( )

212.Y2

2122

21

212121

22

22

21 s

xxxx

xxXX2xXxXn1

⎥⎥⎦

⎤

⎢⎢⎣

⎡

−

−++

∑ ∑ ∑∑ ∑ ∑

Var(b0) =

0,3056)()5()14)(8,24(

)5)(4)(2,8(2)8,24()4()14()2,8(51

2

22

⎥⎦

⎤⎢⎣

⎡

−−

−−++

= 1,6414

0(0

bVarsb =

= 6414,1

= 1,2811

∑ ∑ ∑∑

−== 2

2122

21

212.Y

22

1b )xx()x)(x()s)(x(

)b(Vars1

= 2)5()14)(8,24(

)3056,0)(14(−−

= 2,322

2784,4

= 0,1152

∑ ∑ ∑∑

−== 2

2122

21

212.Y

21

2b )xx()x)(x()s)(x(

)b(Vars2

= 2)5()14)(8,24()3056,0)(8,24(

−− =

2,3225789,7

= 0,1534

Jadi, SY-12 = 0,5528, 0bs = 1,2811,

1bs = 0,1152 dan 2bs = 0,1534

(c) Interpretasi terhadap nilai b0, b1, dan b2 • Nilai b0 = 1,1591 memiliki arti bahwa pengeluaran konsumsi rata - rata

per rumah tangga petani per tahun sebesar 1,1591 juta rupiah, bila pendapatan nol (X1 = 0) dan jumlah anggota keluarga (X2 = 0). Dalam teori ekonomi b0 disebut konsumsi otonom.


Nata Wirawan 263

• Nilai b1 = 0,6363, memiliki arti bahwa bila pendapatan rumah tangga (X1) petani tersebut naik satu juta rupiah, maka pengeluaran konsumsi rata-rata per rumah tangga petani akan naik sebesar 0,6363 juta rupiah jika jumlah anggota keluarga (X2) tetap.

• Nilai b2 = 0,1558, memiliki arti bahwa bila anggota keluarga rumah tangga (X2) petani tersebut bertambah satu orang, maka pengeluaran konsumsi rata-rata per rumah tangga petani akan naik sebesar 0,1558 juta rupiah, jika pendapatannya (X1) tetap.

(d) Interpretasi terhadap nilai SY-12 atau se Dari jawaban butir (b) diketahui bahwa SY-12 = 0,5528. Nilai SY-12 = 0,5528

artinya sekitar 68% nilai residual terletak antara minus Rp 0,5528 juta rupiah dan Rp 0,5528 juta. Sekitar 95% nilai residual terletak antara minus Rp 1,1056 juta dan Rp 1,1056 juta. Hampir seluruh residualnya (sekitar 99,7%) terletak antara minus Rp 1,6584 juta dan Rp 1,6584.

10.5 Koefisien Determinasi dan Koefisien Korelasi ■ Koefisien Determinasi (R2) Dalam regresi dua variabel, r2 merupakan ukuran kesuaian atau ketepatan

garis regresi terhadap sebaran datanya, atau menunjukkan proporsi total variasi variabel terikat yang dijelaskan oleh variabel bebas yang tunggal. Dalam regresi tiga variabel kesesuaian atau ketepatan bidang regresi terhadap sebaran datanya diukur atau ditunjukkan oleh koefisien determinasi berganda (R2). Jadi, koefisien determinasi berghanda adalah ukuran yang menunjukkan proporsi total variasi variabel terikat yang dijelaskan oleh variabel bebasnya secara serempak. Untuk menghitung nilai koefisien determinasi regresi berganda dua variabel bebas dipakai rumus berikut :

∑∑ ∑

∑∑ +

=−

−= 2

22112

i

22

yyxbyxb

)YY()YY(

R (10.15)

Seperti r2, nilai R2 juga terletak antara 0 dan 1. Jika R2 = 1, berarti 100% total variasi variabel terikat dijelaskan oleh variabel bebasnya, dan menunjukkan ketepatan terbaik. Bila R2 = 0 berarti tak ada total variasi variabel terikat yang dijelaskan oleh variabel bebasnya.

■ Koefisien Korelasi Berganda (R)Dalam analisis regresi dua variabel, tingkat keeratan hubungan antara

variabel terikat dan variabel bebasnya diukur oleh koefisien korelasi, r. Sedangkan dalam analisis regresi tiga variabel tingkat keeratan hubungan antara variabel terikat dengan semua variabel bebasnya secara serempak diukur oleh koefisien korelasi berganda, R. Meskipun r dapat bernilai positif atau negatif, namun R selalu bernilai positif. Dalam praktek, R kurang penting, yang lebih penting adalah R2. Nilai R dapat dihitung dengan rumus:



R = (10.16)

Contoh 10-2Untuk Contoh 10-1, hitunglah koefisien determinasinya dan berikan

interpretasi.

PenyelesaianDari baris terakhir pada Tabel 10.1 (Contoh 10.1) dapat dipetik nilai-nilai,

1xy∑ = 15, 2xy∑ = -1 , ∑ 2y = 10, dan ∑ 21xx = - 5, juga telah dihitung b1 = 0,6363 dan b2 = 0,1558.

Selanjutnya, per rumus (10.15) dapat dihitung 2R dan diperoleh

∑∑ ∑+

= 222112

yyxbyxb

R =

= 9389,010

)1(1558,0)15(6363,0=

−+

InterpretasiNilai R2 = 0,9389 , memiliki makna bahwa 93,89% dari total variasi (naik-

turunnya) pengeluaran konsumsi (Y) dapat dijelaskan/dipengaruhi secara serempak oleh pendapatan (X1) dan jumlah anggota keluarga (X2) dan sisanya lagi 6,11% dipengaruhi oleh faktor-faktor lain yang tidak dimasukkan dalam model. Atau konstribusi pendapatan (X1) dan jumlah anggota keluarga (X2) secara serempak terhadap total variasi (naik-turunnya) pengeluaran konsumsi sebesar 93,89%. Sisanya lagi yaitu 6,11% merupakan konstribusi faktor-faktor lain, yang tidak dimasukkan dalam model.

10-6 Menaksir Varibael Terikat YMenaksir nilai varibael terikat (Y) untuk nilai variabel bebas X1 dan X2

tertentu, dapat dilakukan setelah persamaan regresi disusun. Agar lebih jelas perhatikan Contoh 10-3 berikut.

Contoh 10-3Untuk Contoh 10-1, taksirlah konsumsi seorang petani yang berpenghasilan

Rp 10 juta dengan 5 orang anggota keluarga.

PenyelesaianDari jawaban butir (a) Contoh 10-1, dapat disusun persamaan/model

regresi sebegai berikut:


Nata Wirawan 265

=Y 1,1591 + 0,6363X1 + 0,1558X2

Dengan menggantikan X1 = 10 dan X2 = 5 dalam persamaan maka didapat nilai Y yang ditaksir ( Y ) sebagai berikut :

=Y 1,1591 + 0,6363(10) + 0,1558(5) = 8,3011

Jadi, besarnya konsumsi seorang petani yang berpenghasilan Rp 10 juta dengan 5 orang anggota keluarga ditaksir/diperkirakan sebesar Rp 8,3011 juta.

10- 7 Pelaporan Hasil–hasil Analisis RegresiDalam praktek hasil–hasil analisis regresi yang dilaporkan adalah koefisien-

koefisien regresi disertai kesalahan standarnya/simpangan bakunya, dan koefisien determinasi (R2). Kesalahan standar ditempatkan (dalam kurung) di bawah koefisien regresinya masing-masing, sementara R2 ditempatkan di sebelah kanan persamaan regresinya.

Bila hasil analisis regresi Contoh 10.1 dilaporkan dalam bentuk ringkas formatnya sebagai berikut:

iY = 1,1591 + 0,6363 1X + 0,1558 2X R2 = 0,9389

jbs = (1,2811) (0,1152) (0,1534)

Agar dapat lebih memahami pokok bahasan ini, berikut diberikan satu contoh lagi.

Contoh 10-4Diberikan data seperti berikut:

Y 70 66 62 56 54X1 4 6 8 10 11X2 20 30 40 50 60

X1 = jarak daerah tujuan wisata dari kota asal wisatawan domestik

(ratus km)X2 = Harga kamar hotel per hari di daerah tujuan wisata (ratus ribu

rupiah)Y = Jumlah kamar yang terjual di daerah tujuan wisata (puluh unit)

Berdasarkan data di atas(a) Susunlah model regresinya.(b) Hitunglah SY.12,

0bs , 1bs dan

2bs .



(c) Berikan interpretasi terhadap nilai SY.12(d) Berikan interpretasi terhadap koefisien regresi parsialnya.(e) Hitunglah koefisien determinasinya dan berikan interpretasi(f) Buatlah laporan ringkas mengenai hasil analisis regresi(g) Prediksilah jumlah kamar yang dapat terjual bila harga kamar Rp 7 juta

dan jarak lokasi hotel dari kota asal wisdom 3.500 km.

Penyelesaian(a) Menyusun model regresinya (regresi sampel)

Tabel 10.2 Perhitungan Unsur-unsur Model Regresi Y X1 X2 y = Y - x1 = X1 - 1X x2 = X2 - 2X7066625654

4681011

2030405060

8,44,40,4-5,6-7,6

-3,8-1,80,22,23,2

-20-1001020

308 39 200 0,4

y2 x1 y x2 y 21x 2

2x x1x2

70,56 -31,92 -168 14,44 400 7619,36 -7,92 -44 3,24 100 180,16 0,08 0 0,04 0 0

31,36 -12,32 -56 4,84 100 2257,76 -24,32 -152 10,24 400 64179,2 -76,4 -420 32,8 1.000 180

Dari Tabel 10.2 dapat diketahui bahwa, n = 5

6,615308308 ===→= ∑∑ n

YYY

8,753939 1

11 ===→= ∑∑ nX

XX

405200200 2

22 ===→= ∑∑ nX

XX

Dari baris terakhir Tabel 10.2 diketahui bahwa :

∑ =yx1 - 76,4 ∑ =yx2 - 420 ∑ =21x 32,8

∑ 22x = 1.000 ∑ =21xx 180 ∑ =2y 179,2


Nata Wirawan 267

Per rumus (10.6), dapat dihitung nilai b1,

b1 = ∑ ∑ ∑

∑ ∑ ∑ ∑−

−2

2122

21

221221

).())(())(())((

xxxxyxxxxyx

= 00,2400800

)180()000.1)(8,32()420)(180()000.1)(4,76(

2 −=−

=−

−−−

Per rumus (10.7) dapat dihitung nilai b2,

b2 = ∑ ∑ ∑

∑ ∑ ∑ ∑−

−2

2122

21

121212

)())(())(())((

xxxxyxxxxyx

= 06,040024

)180()000.1)(8,32()4,76)(180()8,32)(420(

2 −=−

=−

−−−

Selanjutnya per rumus (10.5), b0 dapat dihitung,

b0 = 2211 XbXbY −−

= 61,6 – (-2,00)(7,8) – (-0,06)(40) = 79,6

Jadi, model regresinya

22110ˆ XbXbbY ++=

=Y 79,6 – 2,00X1 - 0,06X2

(b) Menghitung 0bs ,

1bs dan 2bs

Per rumus (10.14), nilai SY-12 atau se dihitung terlebih dahulu sebagai berikut:

3n

yxbyxbys 2211

2

12.Y −

−−= ∑ ∑∑

35

)420)(06,0()4,76)(2(2,17912. −

−−−−−−=Ys = 6,0 = 0,7745

SY.12 = 0,6

Selanjutnya 0bs ,

1bs dan 2bs masing-masing dihitung melalui tahapan berikut:

Var(b0) =( )

212.Y2

2122

21

212121

22

22

21 s

xxxx

xxXX2xXxXn1

⎥⎥⎦

⎤

⎢⎢⎣

⎡

−

−++

∑ ∑ ∑∑ ∑ ∑

Var(b0) =

0,6)()180()1000)(8,32(

)180)(40)(8,7(2)8,32()40()1000()8,7(51

2

22

⎥⎦

⎤⎢⎣

⎡

−−+

+



= 0,6)(4001000

51

+ = 1,62

0(0

bVarsb = = 62,1 = 1,273

∑ ∑ ∑

∑−

== 221

22

21

212.Y

22

1b )xx()x)(x()s)(x(

)b(Vars1

= 2)180()1000)(8,32()6,0)(1000(

−=

400600

= 0,1225

∑ ∑ ∑

∑−

== 221

22

21

212.Y

21

2b )xx()x)(x()s)(x(

)b(Vars2

= 2)180()1000)(8,32(

)6,0)(8,32(−

= 40068,19 = 0,222

Jadi, SY.12 = se = 0,6000, 0bs = 1,2730,

1bs = 0,1225 dan 2bs = 0,2220

(c) Dari jawaban butir (b) diketahui bahwa SY.12 = 0,6. Nilai SY.12 = 0,6 ar-tinya sekitar 68% nilai residual (selisih kuantitas kamar pengamatan dan estimasinya) terletak antara minus 6 unit (= 0,6 x 10 unit) dan Rp 6 unit. Sekitar 95% nilai residual terletak antara minus 12 unit dan 12 unit kamar. Hampir seluruh residualnya (sekitar 99,7%) terletak antara minus 18 unit dan 18 unit kamar.

(d) Interpretasi terhadap koefisien regresi parsialnya b1 = - 2,000, artinya bila tarif/harga kamar hotel per hari naik satu juta ru-

piah, maka kuantitas kamar yang akan terjual secara rata-rata akan turun 2 unit , jika jarak lokasi hotel dari kota asal wisdom tetap.

b2 = - 0,06 artinya bila jarak lokasi hotel dari kota asal wisdom (wisatawan domestik) bertambah seratus km, maka kuantitas kamar yang akan terjual secara rata-rata berkurang/turun sebanyak 6 unit (= 100 x 0,06 unit), jika harga kamar per harinya tetap.

(e) Menghitung Koefisien Determinasi dan interpretasinya

Per rumus 10.14 dapat ditung R2 sebagai berikut :

∑∑ ∑+

= 222112

yyxbyxb

R


Nata Wirawan 269

= 2,179)420)(06,0()4,76)(2( −−+−−

9933,0

2,179178

==

Interpretasi R2 = 0,993 artinya 99,3% total variasi (turun naiknya) kuantitas kamar

hotel yang terjual dijelaskan/dipengaruhi secara serempak oleh tarif per harinya dan jarak lokasi hotel dari kota asal wisdom, dan sisanya lagi 0,7 % dijelaskan/dipengaruhi oleh faktor-faktor lain yang tidak dimasukkan da-lam model.

(f) Laporan ringkas hasil-hasil analisis regresi Dari hasil butir (a), (b) dan (e) dapat disusun laporan ringkas hasil-hasil

analisis regresi sebagai berikut: =Y 79,6 – 2,00X1 - 0,06X2 R

2 = 0,993

jbs (1,2730) (0,1225) (0,2220)

(g) ...ˆ =Y ? Blia X1 = 3,5 dan X2 = 7 (sesuaikan satuan data dengan satuan data dalam soal)

=Y 79,6 – 2,00X1 - 0,06X2 = 79,6 - 2(10) -0,06(7) = 59,18 = 59 (dibulatkan)

Jadi, kuantitas kamar yang dapat terjual bila jarak lokasi hotel dari kota asal wisdom 10.000 km dan tarif kamarnya Rp 700 ribu ditaksir sebanyak 59 unit.



Soal-soal Latihan

10-1 Untuk mengetahui pengaruh harga per kg barang A dan pendapatan konsumen terhadap kuantitas barang A yang diminta, dipilih 10 konsumen sebagai sampel acak untuk diteliti. Dari hasil penelitian tersebut diperoleh data sebagai berikut.

Y 7 8 4 10 8 5 7 8 3 5X1 3 4 2 6 4 3 4 5 6 8X2 4 5 3 7 6 5 4 6 4 5

X1 = harga per kg barang A (ribu rupiah) X2 = pendapatan konsumen per bulan (juta rupiah) Y = kuantitas barang A yang diminta (kg)

(a) Buat laporan ringkas hasil analisis regresinya.(b) Berikanlah interpretasi atas nilai b1, b2 dan koefisien determinasinya.(d) Berikan interpretasi terhadap simpangan baku dugaan, SY.12 (c) Taksirlah kuantitas barang A yang diharapkan diminta oleh seorang

konsumen yang berpenghasilannya Rp 5,5 juta dan bila harga per unit barang A tersebut Rp 7 ribu.

10- 2 Diberikan data seperti berikut:

Y 70 66 62 56 54X1 40 55 82 102 120X2 6 8 9 11 15

X1 = Jarak negara asal wisman ke daerah tujuan wisata (ribu km)X2 = Harga per unit kamar hotel per malam (juta rupiah)Y = Jumlah kunjungan wisman (ratus ribu orang)

Berdasarkan data di atas(a) Susunlah model regresinya.(b) Berikan interpretasi terhadap koefisien regresi parsialnya.(c) Hitunglah koefisien determinasinya dan berikan interpretasi(d) Prediksilah jumlah kunjunjungan wisman bila tarif kamar Rp 10 juta

dan jarak negara asal wisatawan ke lokasi hotel 70.000 km.

10- 3 Data yang tersaji di bawah ini adalah data mengenai biaya promosi dan insentif yang dikeluarkan serta omzet penjualan dari 8 perusahaan fabrikasi di bidang farmasi, yang terpilih sebagai sampel acak.

Y 6 10 10 12 8 9 7 5X1 2 3,5 4 5 3 4 2 2,5X2 1 2 2,5 3 1,5 2,5 1,2 1


Nata Wirawan 271

X1 = biaya promosi per tahun (ratus juta rupiah)X2 = insentif per tahun (ratus juta rupiah )Y = Omzet penjualan (miliar rupiah)

Berdasarkan data di atas,(a) Buatlah laporan hasil-hasil analisis regresi(b) Berikan interpretasi terhadap koefisien regresi parsial dan koefisien

determinasinya(c) Dugalah omzet penjualan sebuah perusahaan yang telah menge-

luarkan biaya promosi senilai Rp 400 juta dan insentif sebesar dan Rp 160 juta.

10- 4 Data yang tersaji di bawah ini adalah data mengenai masa kerja (rata-rata) tenaga pemasaran dan biaya promosi yang dikeluarkan serta omzet penjualan dari 8 perusahaan yang terpilih sebagai sampel acak.

Y 24 20 23 25 27 31 34 36X1 5 6 5 5 6 7 8 9X2 11 10 13 14 15 15 16 17

X1 = masa kerja tenaga pemasaran (tahun)X2 = biaya promosi (ratus juta rupiah )Y = Omzet penjualan (miliar rupiah)

Berdasarkan data di atas,(a) Buatlah laporan hasil-hasil analisis regresi(b) Berikan interpretasi terhadap koefisien regresi parsial dan koefisien

determinasinya(c) Dugalah omzet penjualan sebuah perusahaan yang telah menge-

luarkan biaya promosi senilai Rp 400 juta dan rata-rata pengala-man kerja tenaga pemasarannya 5,5 tahun.

10- 5 Diberikan data seperti berikut:

Y 22,5 28 34 39 45X1 9,8 21 30 39,7 45X2 9,8 7,8 6,0 4,2 1,9

X1 = biaya promosi (puluh juta rupiah)X2 = Harga kamar hotel per hari di daerah tujuan wisata (juta rupiah)Y = Jumlah kamar yang terjual di daerah tujuan wisata (puluh unit)Berdasarkan data di atas(a) Susunlah model regresinya.(b) Hitunglah SY.12 atau se dan berikan interpretasi(c) Berikan interpretasi terhadap koefisien regresi parsialnya.(d) Hitunglah koefisien determinasinya dan berikan interpretasi(e) Prediksilah jumlah kamar yang dapat terjual bila harga kamar Rp

5,8 juta dan biaya promosi yang dikeluarkan Rp 400 juta.


ANGKA INDEKS

11.1 Pengantar Setelah data dikumpulkan, diolah dan disajikan, selain dapat dianalisis de -

ngan menggunakan ukuran lokasi,ukuran dispersi maupun regresi dan korela-si,dapat juga dianalisis guna melihat perkembangan atau perubahan relatif mau-pun perbedaan diantara data itu sendiri. Salah satu alat statistik untuk melihat perkembangan atau perubahan relatif maupun perbedaan tersebut adalah angka indeks.

Dalam Bab 11, akan dibahas angka indeks yang meliputi antara lain; (1) Pengertian angka indeks, (2) Jenis-jenis angka indeks, (3) Metode perhitungan angka indeks, (4) Angka indeks berantai, (5) Pergeseran angka indeks, (6) Merangkai angka indeks, dan (7) Angka indeks untuk proses deflasi.

Tujuan bab ini. Setelah memnpelajari bab ini, peserta didik (mahasiswa) diharapkan dapat memahami angka indeks dan mampu menghitung angka indeks dari data variabel tunggal maupun data dari sekelompok variabel

11.2 Pengertian Angka IndeksAngka indeks adalah ukuran statistik yang biasanya digunakan untuk

menyatakan perubahan-perubahan relatif (perbandingan) nilai suatu variabel tunggal atau nilai sekelompok variabel. Perubahan relatif ini dinyatakan dalam persentase. Namun persentase dari angka indeks umumnya tidak dinyatakan atau ditulis, akan tetapi setiap angka indeks selalu dibaca dalam persen.

11 Angka Indeks

Nata Wirawan 273

Contoh 11 -1Rata-rata harga per kg beras per bulan di kota Denpasar pada tahun 2009

dan tahun 2010 masing-masing adalah Rp 5.505,00 dan Rp 6.541,00 (BPS Provinsi Bali, 2011). Apabila harga beras pada tahun 2010 dengan tahun 2009 dibandingkan akan didapat (angka) indeks sebagai berikut;

Angka Indeks 2010/2009 = 6.541,00 / 5.505,00 x 100% = 118,82. Angka Indeks sebesar 118,82 memiliki makna bahwa rata-rata harga per kg beras per bulan pada tahun 2010 lebih tinggi atau mengalami kenaikan sebesar 18,82% (= 118,82-100)% dari rata-rata harga per kg beras per bulan pada tahun 2009.

Contoh 11 - 2Sebuah grosir beras ingin mengetahui perubahan nilai penjualan beras

selama 5 tahun terakhir. Sedangkan data penjualan yang dimilikinya sebagai berikut;

Tahun Nilai Penjualan

(Juta Rp)20072008200920102011

300250350400425


Perkembangan perubahan penjualan setiap tahun dapat dihitung dengan angka indeks sebagai berikut:

Tabel 11.1 Perhitungan Angka Indeks Nilai Penjualan Beras Ku-run Waktu 2007-2011 (Tahun dasar 2007)

Tahun Nilai Penjualan(Juta Rp ) Angka Indeks

2007

2008

2009

2010

2011

300

250

350

400

425

tahun dasar = 100

= 83,33

= 116,67

= 133,33

= 141,67

Berdasarkan Tabel 11.1, dapat diketahui perkembangan nilai penjualan beras sebagai berikut: Tahun 2007 sebagai tahun dasar diberi nilai 100. Tahun 2008 dengan angka

11. Angka Indeks


indeks 83,33 berarti nilai penjualan turun sebesar 16,67% dari nilai penjualan pada tahun 2007. Tahun 2009 dengan angka indeks 116,67 berarti nilai penjua-lan naik sebesar 16,67% dari nilai penjualan pada tahun 2007. Tahun 2010 den-gan angka indeks 133,33 berarti nilai penjualan naik sebesar 33,33% dari nilai penjualan pada Tanun 2007. Terakhir angka indeks pada tahun 2011 sebesar 141,67 berarti nilai penjualan pada tahun 2011 naik sebesar 41,67% dari nilai penjualan tahun 2007.

Contoh 11 - 3Harga eceran rata-rata empat bahan kebutuhan pokok per kilogram per

bulan di Kota Denpasar tahun 2009 dan tahun 2010, disajikan pada Tabel 11.2.

Tabel 11.2 Harga Eceran Rata-rata Empat Bahan Pokok di Den pasar Tahun 2009 dan 2010.

Bahan Pokok Harga Rata-rata (Rp/Kg)2009 2010

1 Beras2 Gula Pasir3 Daging Ayam 4 Garam

5.5058.355

23.8253.241

6.54110.62825.4063.333

Total 40.926 45.908Sumber : BPS Provinsi Bali, 2011

Perubahan harga rata-rata gabungan ke empat bahan pokok tersebut, dapat dilihat melalui indeks harga gabungan sebagai berikut ;Indeks harga rata-rata gabungan tahun 2010/2009 sama dengan 45.908/40.926 = 112,17. Indeks harga rata-rata gabungan pada tahun 2010 dengan tahun dasar 2009 = 112,17, memiliki arti bahwa harga rata-rata gabungan per kg keempat bahan kebutuhan pokok tersebut naik sebesar (112,17 - 100) = 12,17% dari harga rata-rata gabungan pada tahun 2009.

10.3 Jenis-jenis Angka IndeksDalam bidang ekonomi pada dasarnya ada 3 (tiga) jenis angka indeks,

yaitu (1) indeks harga, (2) indeks kuantitas, dan (3) indeks nilai

■ Indeks Harga (Price indeks)Indeks harga adalah angka yang dapat dipakai untuk melihat perubahan mengenai harga-harga barang, baik harga sejenis barang maupun sekelompok barang dalam waktu dan tempat yang sama ataupun berlainan.

■ Indeks Kuantitas (Quantity indeks)Indeks kuantitas adalah angka yang dapat dipakai untuk melihat perubahan mengenai kuantitas sejenis barang atau sekelompok barang yang dihasilkan (diproduksi), dijual, dikonsumsi, diekspor, dan sebagainya dalam waktu yang sama atau berlainan.

11 Angka Indeks

Nata Wirawan 275

■ Indeks Nilai (Value indeks)Indeks nilai adalah angka yang dapat dipakai untuk melihat perubahan nilai

uang dari suatu barang yang diproduksi, diekspor, diimpor, dikonsumsi dan se-bagainya dalam waktu dan tempat yang sama atau berlainan. Nilai ini dapat di-peroleh dari hasil perkalian antara harga per unit barang dengan kuantitasnya. Sebagai contoh, misalnya indeks biaya hidup pada dasarnya merupakan nilai pengeluaran konsumsi setiap keluarga, yang tak lain dari hasil perkalian antara harga per unit dan kuantitas barang yang dikonsumsi. Demikian juga halnya dengan nilai produksi, yang tak lain merupakan hasil perkalian antara harga per unit dengan kuantitas barang yang diproduksi.

Pengertian angka indeks yang lainnya dalam bidang ekonomi merupakan kombinasi diantara dua, dari tiga angka indeks tersebut. Selanjutnya dalam buku ini akan dibahas lebih banyak mengenai indeks harga, oleh karena in-deks inilah yang paling banyak digunakan dalam bidang ekonomi dan bisnis dibandingkan dengan indeks lainnya.

11.4 Masalah Pokok dalam Penyusunan Angka IndeksAda beberapa masalah yang perlu diperhatikan dalam penyusunan

angka Indeks, dan beberapa masalah tadi akan menentukan mutu atau kualitas angka indeks tersebut. Beberapa masalah tersebut antara lain adalah (Levin, R.I., 1981; Gupta dan Gupta, 1983).

1 Tujuan Penyusunan Angka indeksSebelum angka indeks disusun perlu diputuskan dan dirumuskan terlebih

dahulu apa yang mau diukur, mengapa perlu diukur dan bagaimana cara mengukurnya? Keputusan sedemikian itu akan menentukan data macam apa yang harus dikumpulkan dan diolah bagi keperluan penyusunan angka indeks. Tidak ada angka indeks yang dapat menjawab berbagai tujuan (multitujuan). Setiap angka indeks penggunaannya terbatas dan tertentu. Kegagalan dalam merumuskan tujuan dan menyusun angka indeks akan menimbulkan kebingungan dan pemborosan waktu tanpa hasil yang bermanfaat.

2 Ketersediaan dan Komparabilitas DataAngka indeks berupa angka perbandingan (rasio). Tidak mungkin untuk

membuat perbandingan yang tepat bila data yang diperlukan tidak tersedia. Oleh karena itu, dalam menyusun angka indeks data yang diperlukan harus tersedia, selain itu data yang dipakai sebaiknya satu sumber (sumber data yang sama), agar satuan data, definisi dan istilahnya sama sehingga hasil pengukuran angka indeks tidak menyesatkan. Bila sumber datanya berbeda, satuannya harus disesuaikan terlebih dahulu dan perumusan berbagai istilah yang berasal dari sumber yang berbeda harus diteliti dan ditelaah secara seksama.

3 Pemilihan Periode dasarTahun dasar (periode dasar) adalah tahun yang digunakan sebagai dasar

perbandingan, maka tahun dasar diberi indeks 100. Oleh karena tahun dasar

11. Angka Indeks


ini menjadi dasar perbandingan, maka tahun dasar ini perlu dipilih secara tepat. Untuk memilih tahun dasar ada tigahal yang perlu dipertimbangkan yaitu :

Sebagai tahun dasar, hendaknya dipilih tahun yang keadaan perekonomian relatif stabil (norma), tidak ada perang, bencana alam, depresi dan yang lainnya. Pada tahun-tahun yang perekonomiannya tidak stabil, harga-harga akan sangat berfluktuasi. Tahun sedemikian itu tidak dapat digunakan sebagai pembanding.

Tahun dasar sebagai dasar pembanding hendaknya tidak terlalu jauh dari tahun-tahun yang hendak dibandingkan. Makin jauh tahun dasar yang dipakai sebagai dasar pembanding, maka makin lemah kualitas angka indeks tersebut atau semakin kabur sifat perbandingan tersebut.

Basis tetap atau basis rantai. Dalam memilih tahun dasar, perlu diputuskan tahun dasar tetap atau tahun dasar berantai. Kalau yang dipilih tahun dasar tetap, maka angka indeks tahun lainnya (yang dihitung angka indeksnya) selalu dihitung berdasarkan tahun tertentu dan tetap. Bila dipilih tahun dasar berantai, maka angka indeks tahun lainnya (yang dihitung angka indeksnya) dihitung berdasarkan atas satu tahun sebelumnya. Angka indeks yang dihtung atas tahun dasar berantai akan memberikan gambaran lebih baik dari angka indeks yang dihitung atas dasar tahun dasar tetap.

4 Pemilihan Kuantitas BarangDalam penyusunan angka indeks tidak setiap barang dimasukkan,

namun sebagian (sampel). Oleh karena itu perlu diputuskan barang apa saja dan berapa banyak dimasukkan. Barang (sampel) dipilih sedemikain rupa sehingga barang tersebut mewakili selera, kebiasaan dan adat istiadat oarng-orang yang angka indeknya disusun.

5 Pemilihan Ukuran Nilai Sentral (Rata-rata)Oleh karena angka indeks pada hakekatnya merupakan angka rata-rata,

maka dalam penyusunan angka indeks perlu diputuskan akan memakai ukuran nilai sentral mana, rata-rata hitung, rata-rata ukur, rata-rata harmonis, median atau modus. Dalam penyusunan angka indeks median dan modus hampir tidak pernah digunakan. Yang digunakan adalah salah satu dari rata-rata hitung atau rata-rata ukur.

6 Pemilihan TimbanganFaktor penimbang digunakan untuk membedakan arti penting suatu

barang terhadap barang lainnya. Untuk barang yang lebih penting diberikan faktor penimbang yang lebih besar dari faktor penimbang barang yang kurang penting. Dalam penyusunan angka indeks perlu diputuskan apakah timbangan semua barang sama atau tidak. Karena pemberian timbangan terhadap barang akan mempengaruhi angka indeks.

7 Pemilihan Metode Perhitungan Angka indeksAda beberapa metode dalam perhitungan angka indeks, supaya tujuan

dari perhitungan angka indeks tercapai, perlu dipilih metode yang paling

11 Angka Indeks

Nata Wirawan 277

tepat. Pilihan atas metode/formula perhitungan angka indeks tergantung dari tujuan angka indeks dan ketersediaan data.

11.5 Metode Perhitungan Angka IndeksMenurut metode perhitungannya, angka indeks dibagi menjadi dua yai-

tu: (1) Angka indeks tidak tertimbang, dan (2) Angka indeks tertimbang. Angka indeks tidak tertimbang dibagi menjadi tiga yaitu; (1) Angka indeks agregatif sederhana, (2) Angka indeks relatif, dan (3) Angka indeks rata-rata hitung relatif. Sedangkan, angka indeks tertimbang dibagai dua yaitu; (1) Ang-ka indeks agregatif, dan (2) Angka indeks rata-rata hitung relatif.Indeks Agregatif (gabungan) merupakan indeks yang terdiri dari beberapa jenis barang (kelompok barang), misalnya indeks harga 9 (sembilan) macam bahan pokok, indeks ekspor Indonesia, indeks impor Indonesia, indeks biaya hidup, dan yang lainnya. Indeks agregatif memungkinkan untuk melihat persoalan secara keseluruhan, dan bukan melihat per individu.Indeks Tertimbang adalah indeks yang dalam penyusunannya telah memper-timbangkan faktor-faktor yang akan mempengaruhi naik turunnya angka indeks tersebut.

Secara skematis angka indeks menurut metode perhitungannya dapat dinyatakan seperti Gambar 11.1.

Gambar 11.1Skematis Angka Indeks Menurut Metode Perhitungannya

Angka Indeks

Indeks TidakTertimbang

Indeks Tertimbang

Angka Indeks Relatif

Angka Indeks

Gabungan Sederhana

Angka Indeks

Rata-rata Relatif

Angka Indeks

Gabungan Tertimbang

Angka Indeks Rata-rata

Tertimbang Relatif

IndeksLaspeyres

IndeksPaasche

IndeksDrobish

IndeksFisher-

Drobish

IndeksMarshall-Edgworth

11. Angka Indeks


11.6 Angka Indeks Tidak TertimbangTidak tertimbang maksudnya bahwa setiap jenis barang dianggap memiliki

arti penting yang sama.

11.6.1 Angka Indeks Gabungan SederhanaPada indeks ini yang dihitung adalah perbandingan harga ataupun kuantitas

atau nilai dari sekelompok barang. Barang-barang yang terdapat dalam satu ke-lompok tersebut haruslah mempunyai sifat-sifat yang sama. Misalnya; (1) Kelom-pok barang-barang kebutuhan pokok; seperti beras, ikan asin, minyak goreng, garam dan gula pasir, (2) Kelompok hasil pertanian: seperti beras, jagung, ketela, kentang, kol dan kacang. Menurut metode ini, indeks harga, indeks kuantitas dan indeks nilai, masing-masing dihitung dengan rumus sebagai berikut:

■ Angka indeks harga (P)Indeks harga agregat (gabungan) beberapa barang menurut metode ini ,

dihitung dengan rumus sebagai berikut:

P(n,0) = x 100 (11.1)

P(n,0) = Angka indeks harga gabungan pada waktu atau periode n

dengan waktu dasar 0 Pn = Harga barang pada waktu atau periode n P0 = Harga barang pada waktu dasar 0

Contoh 11 - 4Harga eceran per satuan lima jenis barang per bulan di Kota Denpasar

tahun 2009 dan tahun 2010, disajikan sebagai berikut:

Jenis Barang Satuan Harga Per Satuan (Rp)2009 2010

1 Minyak Goreng2 Gula Pasir3 Beras4 Garam 5 Daging Ayam Ras

LiterKgKgKgKg

12.5188.3555.505 3.24123.825

12.52910.6286.541 3.33325.406

Sumber: BPS Provinsi Bali, 2011

Berdasarkan data tersebut, hitunglah indeks harga agregatif tidak tertimbang kelima barang tersebut, dan berikan makna terhadap nilai angka indeks yang diperoleh.

11 Angka Indeks

Nata Wirawan 279

Penyelesaian

Tabel 11.3 Perhitungan Indeks Harga Agregatif Kelima Barang Tersebut Tahun 2010 dengan Tahun Dasar 2009.

Jenis Barang Satuan Harga (Rp)2009 2010

1 Minyak Goreng2 Gula Pasir3 Beras4 Garam 5 Daging Ayam Ras

LiterKgKgkgKg

12.5188.3555.505 3.24123.825

12.52910.6286.541 3.33325.406

Total 53.444 58.437

Dari Tabel 11. 3, dapat diketahui bahwa ∑P0= ∑P09= Rp 53.444 dan ∑Pn= ∑P10 = 58.437


P(n,0) = x 100

P(10,09) = x 100

= 444.53473.58 x 100

= 109, 41

Jadi, indeks harga agregat (gabungan) tidak tertimbang kelima barang terse-but pada tahun 2010 dengan waktu dasar 2009 adalah 109,41.

P(10,09) = 109,41 memiliki arti bahwa harga gabungan kelompok barang

tersebut mengalami kenaikan sebesar (109,41-100 ) = 9,41% pada tahun 2010 dari harga gabungannya pada tahun 2009.

Contoh 11 - 5Harga komoditas ekspor Indonesia tahun 2008 dan 2009 disajikan sebagai berikut:

JenisKomoditas

Harga (Rupiah) 2008 2009

1 Minyak sereh2 Lada putih3 Kopra

10.139.070 4.170.833

578.042

8.275.0003.764.167

371.205Sumber: BPS Republik Indonesia, 2010. Diambil sebagian.

Hitunglah indeks harga agregatif (gabungan) tidak tertimbang tiga komoditas ekspor tersebut pada tahun 2009 dengan waktu dasar tahun 2008.

11. Angka Indeks


Penyelesaian

Tabel 11.4 Perhitungan Indeks Harga Agregat ke Tiga Ko-moditas Ekspor Indonesia

JenisKomoditas

Harga (Rupiah) 2008 2009

1 Minyak sereh2 Lada putih3 Kopra

10.139.070 4.170.833

578.042

8.275.0203.764.167

371.205Total 14.887.945 12.410.392

Dari Tabel 11.4, dapat diketahui ∑P0 = ∑P08 = 14.887.945, dan ∑Pn = ∑P09= 12.410.392.


P(n,0) = x 100

P(09, 08 ) = ∑∑

08

09

PP x 100

= 945.887.14392.410.12

x 100

= 83,36

Ini berarti harga gabungan tiga komoditas ekspor Indonesia pada tahun 2009 turun sebesar (100-83,36)% = 16,64% dari harga gabungan tahun 2008.

Sering kali angka indeks agregatif sederhana (yang tidak tertimbang) kurang mencerminkan keadaan yang sebenarnya, terutama bila dalam kelompok barang tersebut terdapat harga barang yang ekstrem. Kelemahan lainnya adalah satuan barang tidak seragam, disamping itu kuantitas barang yang dikonsumsi tidak diperhitungkan. Sehingga metode agregatif sederhana (11.1) jarang sekali digunakan bagi penyusunan angka indeks.Sebagai gambaran mengenai hal tersebut, perhatikanlah contoh berikut.

Contoh 11 - 6Tabel 11.5 Harga Beberapa Jenis Lauk dan Susu di Sebuah

Kota Tahun 2010 dan 2011

Jenis Lauk Harga (Rupiah)Tahun 2010 Tahun 2011

1 Telur Ayam 2 Telur Itik3 Telur Asin4 Ikan Asin5 Susu

1.2501.4001.500

22.5005.000

1.5001.6001.750

18.0007.500


11 Angka Indeks

Nata Wirawan 281

Berdasarkan data pada Tabel 11.5, hitunglah indeks harga agregat (gabungan) tidak tertimbang kelima barang tersebut pada tahun 2011 dengan waktu dasar tahun 2010. Berikanlah komentar atas hasil yang diperoleh

Penyelesaian

Tabel 11.5a Perhitungan Indeks Harga Agregatif Beberapa Jenis Lauk dan Susu

Jenis Lauk Harga (Rupiah)Tahun 2010 Tahun 2011

1 Telur Ayam 2 Telur Itik3 Telur Asin4 Ikan Asin5 Susu

1.250 1.400 1.50022.500 5.000

1.5001.6001.750

18.0007.500

Total 31.650 30.350

Berdasarkan Tabel 11.5a, dapat diketahui ∑P0 = ∑P10 = 31.650, dan ∑Pn = ∑P11 = 30.350


= x 100

P(11,10) = ∑∑

10

11

PP

x 100

30.350 = –––––– x 100 31.650 = 95,89

P(11,10)= 95,89, berarti terjadi penurunan harga sebesar (100 - 95,89) = 4,11%. Dilihat dari data aslinya sebagian besar harga-harga komoditas tersebut naik, sedangkan yang harganya turun hanyalah ikan asin, dan setelah dihitung se-cara agregatif ternyata indeksnya lebih kecil dari 100. Hal ini berlawanan den-gan kenyataan, sehingga apabila seseorang menggunakan angka ini sebagai bahan pertimbangan, maka hasilnya tentu saja akan menyesatkan.

■ Angka Indeks Kuantitas Indeks kuantitas Agregatif (gabungan) beberapa barang menurut metode ini, dihitung dengan rumus,

)0,(nQ = x 100 (11.2)

11. Angka Indeks


)0,(nQ = Indeks kuantitas gabungan pada tahun n, tahun dasar 0 Qn = Kuantitas barang pada tahun n Qo = Kuantitas barang pada tahun dasar 0

Contoh 11 - 7

Tabel 11.6 Rata-rata Produksi Sayur Mayur Menurut Jenis-nya di Sebuah Kabupaten Tahun 2010 dan 2011

Jenis Barang Banyaknya Produksi (Ton)2010 2011

1 Bawang Merah2 Bawang Putih3 Bawang Daun4 Kentang5 Kubis6 Sawi7 Kacang Merah8 Kacang Panjang9 Terong

14.684 4.979

652 2.26114.787 5.743

15912080

20.87515.931 1.294 5.10754.41513.88217.051

100120


Hitunglah indeks rata-rata produksi (kuantitas) gabungan sayur mayur tersebut pada tahun 2011 degan waktu dasar tahun 2010

Penyelesaian

Tabel 11.6a Perhitungan Indeks Rata-Rata Produksi Gabung-an Sayur Mayur Menurut Jenisnya Tahun 2011 dengan Tahun Dasar 2010

JenisBarang

Banyaknya Produksi (Ton)Q0 Qn

1 Bawang Merah2 Bawang Putih3 Bawang Daun4 Kentang5 Kubis6 Sawi7 Kacang Merah8 Kacang Panjang9 Terong

14.684 4.979

652 2.26114.787 5.743

15912080

20.87515.931 1.294 5.10754.41513.88217.051

100120

Total 43.465 128.775Sumber : Data Hipotetis

11 Angka Indeks

Nata Wirawan 283

Dari Tabel 11.6a dapat diketahui ∑Qn = ∑Q11 = 128.775, dan ∑Q0 = ∑Q10 = 43.465.


= x 100

Q(11,10) =

= 296,27

Q(11,10) = 296,27, ini berarti produksi sayur mayur di kabupaten tersebut pada tahun 2011 mengalami kenaikan sebesar 196,27% dari tahun 1010.

■ Angka Indeks NilaiIndeks nilai agregat (gabungan) beberapa barang menurut metode ini ,

dihitung dengan rumus sebagai berikut;

)0,(nV = x 100 (11.3)

V(n,0) = Indeks nilai uang pada tahun n dengan tahun dasar 0 Vn = Nilai uang pada tahun n Vo = Nilai uang pada tahun dasar 0

Contoh 11 - 8

Tabel 11.7 Harga dan Kuantitas Empat Jenis Barang yang Dikonsu-msi di Daerah “A“ Pada Tahun 2010 dan Tahun 2011.

JenisBarang

2010 2011Harga/ unit

(Rp)Kuantitas

(Unit)Harga/unit

(Rp)Kuantitas

(Unit)ABCD

8.0005.0002.0004.500

4216

10.000 8.000 3.0005.000

6326

Sumber : data hipotetis

Berdasarkan data di atas hitunglah indeks nilai gabungan barang-barang ter-sebut pada tahun 2011 dengan tahun dasar 2010.

11. Angka Indeks


Penyelesian

Tabel 11.7a Perhitungan Angka Indeks Nilai Gabungan Tiga Jenis Ba-rang Tahun 2011 dengan Tahun Dasar 2010.

JenisBarang

2010 2011 V0 = Vn = P0 Q0 Pn Qn P0.Q0 Pn.Qn

ABCD

8.0005.0002.0004.500

4216

10.000 8.000 3.0005.000

6326

32.00010.0002.000

27.000

60.00024.000 6.00030.000

Total 71.000 120.000

Dari Tabel 11.7a, dapat diketahui ∑Vn = 120.000, dan ∑V0 = 71.000


V(n,0) = x 100

V(11,0) = 000.71000.120 x 100

= 169, 01

V(11,10) = 169,01, memiliki arti bahwa nilai (dalam uang) ketiga jenis barang tersebut pada tahun 2011 naik sebesar (169,01-100) = 69,01% dari tahun 2010

11.6.2 Angka Indeks RelatifAngka indeks ini merupakan hasil perhitungan indeks yang terdiri dari satu

jenis barang saja. Misalnya indeks harga minyak goreng, indeks harga beras, indeks kuantitas beras, indeks kuantitas minyak goreng.

■ Angka indeks harga (P)Menurut metode ini indeks harga sejenis barang, dihitung dengan rumus.

P(n,o) =

x 100 (11.4)

Pn = Harga barang pada waktu atau periode nPo = Harga barang pada waktu atau periode dasar 0P(n, o) = Angka Indeks harga barang pada waktu n dengan waktu dasar 0

11 Angka Indeks

Nata Wirawan 285

Contoh 11 - 9Tabel 11.8 Harga Eceran Rata-Rata per Bulan Lima Bahan Pokok di

Kota Denpasar Tahun 2009 dan 2010 (Dalam Rupiah)

JenisBahan Pokok

H a r g a/per satuan2009 2010

1 Beras IR 64 (Kg)2 Ikan Asin (Kg)3 Minyak Goreng (Lt)4 Gula Pasir (Kg)5 Garam (Kg)6 Sabun Cuci (Detergen)7 Tekstil (m)8 Daging Ayam Ras (Kg) 9 Minyak Tanah (Lt)

5.50517.51412.518 8.355 3.2413.313

13.15323.825 6.275

6.54118.21912.529 10.625 3.333 3.50015.00025.406 8.274


Hitunglah; (a) Indeks harga eceran rata-rata beras pada tahun 2010 dengan waktu dasar

tahun 2009.(b) Indeks harga rata-rata gula pasir pada tahun 2010 dengan waktu dasar

tahun 2009.

PenyelesaianPer rumus (11.4) dapat dihitung angka indeks harga relatif untuk beras dan gula pasir sebagai berikut.

(a) Untuk beras

P(10,09) = 09

10

PP

x 100

= 505.5541.6

x 100

= 118, 82

Jadi, indeks harga eceran rata-rata beras tahun 2010 dengan tahun 2009 sebagai tahun dasar adalah 118,82%. Artinya, harga eceran rata-rata per kg beras di Kota Denpasar pada tahun 2010 mengalami kenaikan sebesar 18,82% dari tahun 2009.

(b) Untuk gula pasir

P(10,09) = 09

10

PP x 100

= 355.8625.10 x 100

= 127,17

11. Angka Indeks


Jadi, indeks harga eceran rata-rata gula pasir pada tahun 2010 dengan tahun 2009 sebagai tahun dasar adalah 127,17%. Artinya, harga eceran rata-rata per kg gula pasir di Kota Denpasar pada tahun 2010 mengalami kenaikan sebesar 27,17% dari tahun 2009.

■ Angka indeks kuantitas (Q)Menurut metode ini indeks kuantitas sejenis barang, dihitung dengan rumus;

Q (n,o) = x 100 (11.5)

Q (n,o) = Angka indeks kuantitas pada tahun n dengan tahun dasar 0.Qn = Kuantitas barang pada tahun n.Qo = Kuantitas barang pada tahun dasar 0.

Contoh 11 - 10Berdasarkan data yang terdapat pada Tabel 11.6, hitunglah indeks produksi

kentang di kabupaten tersebut pada tahun 2011 dengan tahun dasar 2010.

PenyelesaianDari Tabel 11.6 dapat diketahui Qn = Q11 = 5.107, dan Qo = Q10 = 2.261


Q (n,o) = x 100

Q(11,10) = x 100

= x 100

= 225,87

Jadi, indeks produksi kentang kabupaten tersebut pada tahun 2011 dengan tahun dasar 2010 sebesar 225,87%. Artinya, bahwa produksi kentang Kabu-paten tersebut mengalami kenaikan sebesar 125,87% dari produksi kentang pada tahun 2009.

11.6.3 Angka Indeks Rata-rata RelatifAngka indeks ini merupakan rata-rata hitung dari angka indeks relatif.

■ Angka indeks hargaMenurut metode ini, indeks harga dapat dihitung dengan rumus;

P(n,o) = x 100 (11.6)

k = banyaknya jenis barang

11 Angka Indeks

Nata Wirawan 287

Contoh 11 - 11Tabel 11.9 Harga Eceran Rata-rata per Bulan 4 Bahan Pokok di

Kota Denpasar Tahun 2009 dan 2010 (Dalam Rupiah).

JenisBahan Pokok

Harga/ satuan2009 2010

1 Beras IR 64 (Kg)2 Ikan Asin (Kg)3 Minyak Goreng (Btl)4 Gula Pasir (Kg)

5.50517.51412.5188.355

6.54118.21912.52910.625


Hitunglah indeks rata-rata relatif harga eceran rata-rata empat bahan pokok tersebut pada tahun 2010 dengan waktu dasar tahun 2009.

Penyelesaian

Tabel 11.9a Perhitungan Indeks Rata-rata Relatif Harga Eceran Em-pat Bahan Pokok

JenisBahan Pokok

Harga/Unit Pn/P0(P0) (Pn)1 Beras IR 64 (Kg)2 Ikan Asin (Kg)3 Minyak Goreng (Btl)4 Gula Pasir (Kg)

5.50517.51412.518 8.355

6.54118.21912.529 10.625

1,1881,0401,0011,272

Total 4,501

Dari Tabel 11.9a, dapat diketahui bahwa ∑0P

Pn = 4,501Per rumus (11.6) didapat,

P(n,o) = x 100

P(10,09) = )(1

09

10∑ PP

k x 100

P(10,09) = 14

(4,501) x 100

= 14 (450,1)

= 112,525 ≈ 112,53

Jadi, indeks rata-rata relatif harga eceran rata-rata per bulan 4 bahan pokok tersebut pada tahun 2010 dengan waktu dasar 2009 sebesar 112,53%. Ini be-rarti harga rata-rata per bulan keempat (4) bahan pokok tersebut mengalami

11. Angka Indeks


kenaikan sebesar 12,53% dari harga eceran rata-ratanya pada tahun 2009.

Rumus untuk menghitung indeks kuantitas dan indeks nilai menurut metode rata-rata relatif, disesuaikan dengan rumus indeks harga (11.6), yaitu:

■ Angka indeks kuantitas

Q(n,o) = x 100 (11.7)

■ Angka indeks nilai

V(n,o) = x 100 (11.8)

11.7 Angka Indeks TertimbangSebagai faktor penimbang dalam perhitungan indeks tertimbang dipakai

kuantitas barangnya. Pada umumnya timbangan yang dipakai adalah kuan-titas barang yang dikonsumsi, diproduksi, dijual, dibeli, diekspor, diimpor dan atau yang lainnya. Di bawah ini hanya dibahas indeks harga saja.

11.7.1 Angka Indeks Harga GabunganAngka indeks harga menurut metode ini dapat dihitung dengan rumus:

I(n,o) = x 100 (11.9)

W = Penimbang. Pn = Harga barang pada tahun n. Po = Harga barang pada tahun dasar 0.

■ Angka indeks harga Laspeyres Indeks ini, merupakan angka indeks tertimbang. Sebagai penimbangnya adalah kuantitas pada tahun dasar (Qo). Sehingga angka indeks menurut metode ini dapat dihitung dengan rumus;

IL = x 100 (11.10)

IL = Indeks Laspeyres Qo = Kuantitas barang pada tahun dasar 0 Pn = Harga barang pada tahun n Po = Harga barang pada tahun dasar 0

11 Angka Indeks

Nata Wirawan 289

■ Angka indeks harga Paasche Indeks ini, merupakan angka indeks tertimbang. Ssebagai penimbangnya adalah kuantitas pada tahun n (Current Periode). Sehingga angka indeks menurut metode ini dapat dihitung dengan rumus;

IP = ( )

(

P Q

P Qn n

o n

∑∑ x 100 (11.11)

IP = angka indeks Paasche Pn = harga barang pada tahun n Po = harga barang pada tahun dasar 0 Qn = kuantitas barang pada tahun n

■ Angka indeks harga Irving FisherMenurut metode ini angka indeks dapat dihitung dengan rumus;

IF = (11.12)

IF = angka indeks Frving Fisher IL = angka indeks Laspeyres IP = angka indeks Paasche

■ Angka indeks DrobischMenurut metode ini angka indeks dapat dihitung dengan rumus;

ID =

(11.13)

■ Angka indeks harga Marshall-EdgeworthMetode ini memakai (Qo + Qn) sebagai faktor penimbang, dan menurut

matode ini angka indeks dihitung dengan rumus;

IM = x 100 (11.14)

IM = angka indeks Marshall-Edgeworth

Contoh 11 - 12Data mengenai harga dan kuantitas produksi empat jenis barang di

Provinsi “X” disajikan dalam Tabel 11.10 (data hipotetis):

11. Angka Indeks


Tabel 11.10 Harga dan Kuantitas Produksi Empat Jenis Barang di Provinsi “ X “Tahun 2010 – 2011

JenisBarang

Harga/Unit(Rp)

Kuantitas Produksi(Unit)

2010 2011 2010 2011A BCD

500800600300

525900700400

25310

46415

Hitunglah indeks harga agregatif tertimbang barang-barang tersebut pada tahun 2011 dengan tahun dasar 2010

(a) Dengan metode Laspeyres. (b) Dengan metode Paasche.(c) Dengan metode Irving Fisher.(d) Dengan metode Drobish.(e) Dengan metode Marshall-Edgeworth.

Penyelesaian(a) Indeks harga Laspeyres

Tabel 11.10a Perhitungan Angka Indeks Harga Laspeyres Atas 4 Macam Barang Tahun 2011 dengan Tahun Dasar 2010

JenisBarang

Harga / Unit (Rp)

Kuantitas (Unit)

2010 2011 2010 2011(Po) (Pn) (Qo) (Qn) Pn .Qo Po .Qo

ABCD

500800600300

525900700400

253

10

464

15

1050450021004000

1000400018003000

Total 11.650 9.800

Dari Tabel 11.10a, dapat diketahui ∑Pn.Qn = 11.650, dan ∑Po.Qo = 9.800.


IL = x 100

= x 100

= 118,88

11 Angka Indeks

Nata Wirawan 291

(b) Indeks harga Paasche

Tabel 11.10b Perhitungan Angka Indeks Harga Paasche Atas 4 Macam Barang Tahun 2011 dengan Tahun Dasar 2010.

JenisBarang

Harga / Unit (Rp )

Kuantitas (Unit)

2010 2011 2010 2011(Po) (Pn) (Qo) (Qn) Pn Qn Po Qn

ABCD

500800600300

525900700400

25310

46415

2.1005.4002.8006.000

2.0004.8002.4004.500

Total 16.300 13.700

Dari Tabel 11.10b dapat diketahui ∑PnQn = 16.300, dan ∑PoQn = 13.700 Selanjutnya per rumus (11.10) didapat,

IP = x 100

= x 100

= 118,97

(c) Indeks harga Irving FisherPer rumus (11.11) didapat,

IR =

= 97,11890,187 x = 118,92

(d) Indeks harga DrobischPer rumus (11.12) didapat,

ID =

=

= 118.925

11. Angka Indeks


(e) Indeks harga Marshall - EdgeworthTabel 10.10c Perhitungan Angka Indeks Harga Marshall-Edgeworth Atas

4 Macam Barang Tahun 2011 dengan tahun dasar 2010.

JenisBarang

Harga/Unit (Rp)

Kuantitas (Unit)

2010 2011 2010 2011 Pn x Po x

(Po) (Pn) (Qo) (Qn) Qo+Qn (Qo+Qn) (Qo+Qn)ABCD

500800600300

525900700400

253

10

464

15

6117

25

3.1509.9004.900

10.000

3.0008.8004.2007.500

Total 27.950 23.500

Dari Tabel 11.10c dapat diketahui ∑Pn (Qo+Qn) = 27.950 dan Po (Qo+Qn) = 23.500 Per rumus (11.13) didapat,

IM = x 100

= 500.23950.27 x 100

= 118,93

Hasil perhitungan menurut Laspeyres biasanya lebih besar dibandingkan hasil perhitungan Paasche. Hal ini terjadi, bila penimbanganya adalah kon-sumsi masyarakat. Angka indeks Laspeyres hasil perhitungannya cendrung over estimate (berlebihan ke atas) dan angka indeks Paasche hasil perhitun-gannya cenderung under estimate (berlebihan ke bawah). Untuk mengatasi hal-hal tersebut, Irving Fisher, Drobish dan Bowley mengambil jalan tengah, yaitu dengan jalan mengambil nilai rata-rata dari indeks Laspeyres dan indeks Paasche. Irving Fisher mengambil rata-rata ukur dari indeks Laspeyres dan Paasche, sedangkan Drobish dan Bowley mengambil rata-rata hitung dari indeks Laspeyres dan Paasche.

Indeks menurut Fisher ini secara teoritis merupakan indeks yang paling baik, maka dari itu indeks Fisher sering disebut sebagai Fisher Ideal indeks Numbers. Walaupun demikian, dalam praktek indeks menurut Laspeyres lah yang sering digunakan, mengingat untuk menghitungnya hanya cukup de-ngan mencari Pn saja, sedangkan Po dan Qo angkanya konstan. Tidak demi-kian halnya dengan indeks lainnya seperti Paasche dan Fisher.

11.7.2 Angka Indeks Harga Rata-rata Tertimbang RelatifIndeks harga sekelompok barang menurut metode ini akan dihitung de ngan rumus;

11 Angka Indeks

Nata Wirawan 293

∑

∑=W

WPPP on )/(

x 100 (11.15)

W = menunjukkan nilai timbangan Pn = harga barang pada tahun n Po = harga barang pada tahun dasar 0

(a) Jika dipakai faktor penimbang nilai pada tahun dasar, maka rumus terse-but menjadi;

P(n,o) = (11.16)

(b) Jika dipakai faktor penimbang nilai pada tahun n maka rumus tersebut men-jadi:

P(n,o) = (11.17)

Contoh 11 – 13

Tabel 10.11 Perhitungan Angka Indeks Harga Tertimbang Rata-rata Relatif Atas Empat Jenis Barang.

JenisBarang

Harga/Unit(Rupiah

Kuantitas(Unit)

Pn/Po Po.Qo Pn.Qn

Pn/Pox

Po .Qo

Pn/ Pox

Pn.Qn2010Po

2011Pn

2010Qo

2011Qn

ABCD

500800600300

525900700400

253

10

464

15

1,0501,1251,1671,333

1.0004.0001.8003.000

2.1005.4002.8006.000

1.0504.5002.1013.999

2.2056.0753.2687.998

Total 9.800 16.300 11.650 19.546 Sumber: Data hipotetis

1) Bila dipakai timbangan nilai pada tahun dasar 2010 maka angka indeksnya:

P(n,0) =

P(11,10) =

800.9650.11 x 100

= 118,87

11. Angka Indeks


2) Bila dipakai timbangan nilai pada tahun n (2011) maka angka indeksnya:

P(n,0) =

P(11,10) = 300.16546.19 x 100

= 119,91

11.8 Angka Indeks BerantaiAngka indeks berantai adalah angka indeks yang menggunakan waktu da-

sar selalu satu tahun sebelum tahun yang dihitung angka indeksnya. Misalnya angka indeks tahun 2009 dihitung dengan memakai tahun dasar 2008, angka indeks tahun 2010 dihitung dengan memakai tahun dasar 2009, demikian sete-rusnya. Berikut ini akan dipelajari dua macam indeks berantai yaitu: (1) Indeks harga relatif berantai, dan (2) Angka indeks tertimbang berantai.

11.8.1 Indeks Harga Relatif Berantai

P(n, n - 1) = x 100 (11.18)

Pn = harga barang pada tahun n P(n - 1) = harga barang 1 tahun sebelum tahun n P(n, n - 1 = Indeks harga pada tahun n dengan tahun dasar (n-1)

Contoh 11 - 14

Tabel 11.12 Angka Indeks Harga Relatif Biasa dan Angka Indeks Re-latif Berantai Harga Rata-rata Beras per Bulan di Kota Denpasar Periode Tahun 2007- 2010.

Tahun Harga (Rp / Kg )

Indeks Biasa

Indeks Berantai

1 2 3 42007200820092010

4.900 5.1545.5056.541

100 (Th. dasar )105,18112,34133,49

100105,18106,81118,82

Angka indeks biasa pada kolom 3 (tiga) didapat sebagai berikut;

P(08,07) = 900.4154.5 x 100 = 105,18

P(09,07) = 900.4505.5 x 100 = 112,34

11 Angka Indeks

Nata Wirawan 295

P(09,07) = 900.4541.6 x 100 = 133,49

Angka indeks berantai pada kolom 4 (empat) didapat sebagai berikut;

P(08, 07) = 900.4154.5 x 100 = 105,18

P(09, 08) = 154.5505.5 x 100 = 106,81

P(10, 09) = 505.5541.6 x 100 = 118, 82

Perhatikan Tabel 11.12, dapat diketahui bahwa:Pada indeks biasa, angka indeks yang dicari selalu dibandingkan dengan

tahun dasar (tahun 2007). Tahun dasarnya tetap.Tahun 2008 harga per kg beras naik 5,83% dari harga pada tahun 2007.

Tahun 2009 harga per kg beras naik 12,35% dari harga pada tahun 2007. Tahun 2010 harga per kg beras naik 33,49% dari harga pada tahun 2007.

Pada indeks berantai, angka indeks yang dicari selalu dibandingkan de-ngan satu periode waktu dari waktu yang akan dihitung angka indeksnya, sehingga kenaikan harga setiap tahun dapat diketahui.

Tahun 2008 harga per kg beras naik 5,83% dari harga pada tahun 2007.Tahun 2009 harga per kg beras naik 6,81% dari harga pada tahun 2008. Tahun 2010 harga per kg beras naik 18,82% dari harga pada tahun 2009.

Hubungan indeks relatif secara berantai untuk beberapa tahun dapat dinyatakan sebagai berikut:

(1) Tiga indeks berantai

P(n, n-3) = x x

(2) Empat indeks berantai

P(n, n-4) = x x x

(3) Sedangkan untuk data pada Tabel 10.15 dapat dinyatakan sebagai beri-kut:

P(87,84) = P(08,07) x P(09, 08) x P(10, 09)

= 07

08

PP

x08

09

PP x

09

10

PP

11.8.2 Angka Indeks Tertimbang BerantaiDengan metode ini angka indeks dapat dihitung dengan rumus:

11. Angka Indeks


P(n, n-1) = x 100 (11.19)

Contoh 11 - 15

Tabel 11.13 Harga Eceran Rata-rata per Bulan Tiga Jenis Bahan Kebutuhan Pokok di Kota Denpasar Tahun 2008-2010

JenisBarang

H a r g a / kg TimbanganW2008 2009 2010

1 Beras2 Gula Pasir3 Garam

5.1546.2842.816

5.5058.3553.241

6.54110.6283.333

1064



P(09, 08) = ∑∑

WPWP

08

09 x 100

= )4816.2()6284.6()10154.5()4241.3()6355.8()10505.5(

xxxxxx

++

++ x 100

= 117, 54

P(10,09) = ∑∑

WPWP

.09

10. x 100

= )4241.3()6355.8()10505.5()4333.3()6628.10()10541.6(

xxxxxx

++

++ x 100

= 120,31Penentuan timbangan (weight) dalam perhitungan bersifat subyektif, jika pe-nentuan timbangan dilakukan secara obyektif, maka besar timbangan (weight) disesuaikan dengan kuantitas barangnya.

11.9 Peggeseran Tahun DasarPerubahan tahun dasar (base shifting) dalam banyak hal kadang-kadang

diperlukan yaitu:1 Apabila tahun dasar yang telah ada dipandang tidak sesuai lagi dengan

kebutuhan (ketinggalan zaman).2 Apabila akan membandingkan dua angka indeks atau lebih yang mem-

punyai tahun dasar berbeda. Misalnya angka indeks biaya hidup di Jakar-ta dengan tahun dasar 2007 dibandingkan dengan indeks biaya hidup dengan tahun dasar 2000. Untuk dapat membandingkannya, maka salah satu tahun dasarnya harus dirubah (tahun dasarnya disamakan).

11 Angka Indeks

Nata Wirawan 297

Cara untuk melakukan penggeseran tahun dasar adalah sebagai berikut; Tahun baru yang dipilih sebagai tahun dasar diberi indeks 100. Indeks tahun-tahun lainnya dapat dicari dengan rumus;

IB = x 100 (11.20)

IB = Indeks baru untuk tahun yang lainnya ID = Indeks lama dari tahun yang lainnya IT = Indeks lama dari tahun dasar baru

Contoh 11 - 16Serangkaian angka indeks dengan tahun dasar 2005, disajikan dalam

Tabel 11.14.

Tabel 11.14 Angka Indeks Atas Dasar Tahun 2005

Tahun Indeks 2005(100)

2005

2006

2007

2008

2009

2010

2011

2012

100

120

130

142

150

200

250

300

Atas dasar data dalam Tabel 11.14, susunlah rangkain angka indeks dengan tahun dasar 2010.

11. Angka Indeks


Penyelesaian

Tabel 11.14 Perubahan Tahun Dasar dari Tahun 2005 Menjadi Tahun 2010

TahunIndeks 2005

(100)Indeks 2010

(100)2005

2006

2007

2008

2009

2010 200 (IT) ..... . ............. … 1002011

2012

11.10 Merangkai Angka IndeksAda kalanya terdapat dua rangkaian angka indeks atau lebih yang tum-

pang tindih (overlapping), sementara tahun dasarnya masing-masing berbe-da. Agar angka indek pada rangkaian yang satu dapat dibandingkan dengan angka indek pada rangkaian yang lainnya, maka kedua rangkaian angka in-deks (yang tahun dasarnya berbeda) tersebut, perlu digabung menjadi se-buah rangkaian angka indeks dengan tahun dasar yang sama. Cara meng-gabung rangkaian angka indeks seperti itu disebut merangkai angka indeks atau splicing.

Cara merangkai angka indeks adalah sebagai berikut:(1) Menghitung angka kuosien (k) dengan rumus sebagai berikut:

A

B

IIk = (11.21)

(2) Menyesuaikan angka indeks pada rangkaian dasar awal (lama) ke rang-kaian angka indeks dengan tahun dasar baru, dengan rumus

Ib = Ia x k (11.22)

Keterangan: IB = angka indeks dengan tahun dasar baru pada tahun tumpang tindih, IA = Angka indeks dengan tahun dasar lama (awal) pada tahun tumpang

11 Angka Indeks

Nata Wirawan 299

tindih. Ib = angka indeks baru (angka indeks dengan tahun dasar baru), dan Ia = angka indeks lama (awal) yaitu angka indeks yang tahun dasarnya disesuai-kan. Umumnya penyesuaian tahun dasar ke tahun dasar yang lebih baru.

Contoh 11 - 17Diketahui dua rangkaian angka indeks dengan tahun dasar yang berbeda

yaitu rangkaian yang pertama tahun dasarnya 2004 dan yang kedua tahun dasarnya adalah 2007, seperti Tabel 11.15.

Tabel 11.15 Dua Rangkaian Angka Indeks de-ngan Tahun Dasar 2004 dan 2007

Tahun Indeks 2004(100)

Indeks 2007(100)

2004 1002005 1302006 1402007 150 1002008 1202009 1302010 1352011 140

Coba saudara gabung (rangkai kembali) ke dua rangkaian angka indeks ter-sebut menjadi sebuah rangkaian dengan: (a) Tahun dasar 2007. (b) Tahun dasar 2004.

PenyelesaianTahun yang angka indeksnya tumpang tindih adalah tahun 2007.(a) Bila tahun dasarnya diubah dari 2004 menjadi tahun 2007, maka

(i) Per rumus (11.21), nilai k = IB/IA = 100/150, (ii) Masing-masing angka indeks baru dengan tahun dasar 2007, dihitung

per rumus (11.22), Ib = Ia x k

Angka indeks pada tahun 2003 = 120 x (100/150) = 80. Angka indeks pada tahun 2004 = 100 x (100/150) = 66,67. Angka indeks pada tahun 2005 = 130 x (100/150) = 86,67. Angka indeks pada tahun 2006 = 140 x (100/150) = 93,33.

Rangkaian angka indeks hasil penggabungan (splicing) berdasarkan Tahun dasar 2007 terdapat pada kolom 2, Tabel 11.15a.

(b) Bila tahun dasarnya dirubah dari 2007 menjadi tahun 2004, maka,1) Per rumus (11.21), nilai k = IB/IA = 150/100, 2) Masing-masing angka indeks baru dengan tahun dasar 2004, dihitung

per rumus (11.22), Ib = Ia x k

11. Angka Indeks


Angka indeks pada tahun 2008 = 120 x (150/100) = 180. Angka indeks pada tahun 2009 = 130 x (150/100) = 195. Angka indeks pada tahun 2010 = 135 x (150/100) = 202,5. Angka indeks pada tahun 2011 = 140 x (150/100) = 210.

Rangkaian angka indeks hasil penggabungan (splicing) berdasarkan tahun dasar 2007 dan 2004 terdapat pada kolom 2 dan 3, Tabel 11.15a.

Tabel 11.15a Hasil Penggabungan (Splicing) Berdasarkan Ta-hun Dasar 2007dan 2004

Tahun Hasil Splicing dengan Tahun Dasar 2007

Hasil Splicing dengan Tahun Dasar 2004

2004 66,67 1002005 86,67 1302006 93,33 1402007 100 1502008 120 1802009 130 1952010 135 202,52011 140 210

11.11 Angka Indeks Untuk Proses DeflasiUpah nominal yang tinggi tidak selalu mencerminkan tingkat hidup yang

lebih baik dari keadaan sebelumnya apabila perkembangan tingkat harga ba-rang-barang kebutuhan pokok sehari-hari (biaya hidup) tinggi pula. Seorang buruh atau pegawai (karyawan tetap) lebih senang menerima gaji yang lebih kecil dengan daya beli besar dari pada gaji yang lebih besar tetapi dengan daya beli kecil. Dengan kata lain, seorang buruh atau pegawai akan lebih senang menerima upah nyata (daya beli) dari uang tersebut dari pada upah uang (nilai nominal) dari uang yang diterima. Besar kecilnya upah nyata ini, tergantung dari indeks biaya hidup (cost of living index) atau indeks harga konsumen (consumer’s price index). Indeks harga konsumen tidaklah sama dengan indeks biaya hidup. Indeks harga konsumen disusun berdasarkan harga-harga sekelompok barang atau jasa tanpa memasukkan semua jenis biaya, seperti bermacam-macam pajak. Selain itu sebagian biaya hidup lebih ditentukan oleh selera atau gaya hidup dibanding harga.

Sampai saat ini Badan Pusat Statistik (BPS) belum menerbitkan indeks biaya hidup yang diterbitkan adalah indeks harga konsumen (IHK) tahunan dan bulanan. Bila indeks biaya hidup tidak tersedia, maka indeks harga konsumen sering digunakan sebagai pengganti indeks biaya hidup. IHK dihitung dengan rumus Laspeyres.

Dengan demikian untuk menghitung upah nyata (upah riil) dengan proses deflasi, sebagai deflator dapat digunakan IBH atau IHK dengan rumus masing-masing berikut ini:

11 Angka Indeks

Nata Wirawan 301

Upah nominal Upah riil = –––––––––––––––– x 100 (11.23) Indeks biaya hidup atau

Upah nominal Upah riil = ––––––––––––––––––––– x 100 (11.24) Indeks Harga Konsumen

Contoh 11 - 18

Tabel 11.16 Perhitungan Indeks Upah Riil Tahun 2007-2011

Tahun Upah Nominal /hari(Rupiah)

Indeks Harga Konsumen

(2007 =100)Upah Riil(Rupiah)

20072008200920102011

400.000500.000600.000750.000800.000

10080125200320

400.000625.000480.000375.000250.000

Sumber ; Data hipotetis

Per rumus (11.24), upah nyata (riil) dari tahun 2007 sampai dengan 2011 masing-masing dapat dihitung sebagai berikut:

Upah nyata tahun 2008 = 000.62510080000.500

=x

Upah nyata tahun 2009 = 000.480100125

000.600=x

Upah nyata tahun 2010 = 000.375100200

000.750=x

Upah nyata tahun 2011 = 000.250100320

000.800=x

Upah nyata/riil dari tahun 2007 hingga tahun 2011 dimuat pada kolom terakhir Tabel 11.16a. Dari Tabel 11.16a dapat diketahui bahwa upah riil dari tahun 2007 sampai dengan tahun 2011 nilainya berfluktuasi. Pada tahun 2008 men-galami kenaikan, selanjutnya dari tahun 2009 hingga tahun 2011 mengalami penurun an dari upah riil tahun 2007.

11. Angka Indeks


Contoh 11 – 19Pada tahun 2011 seorang karyawan tetap sebuah perusahaan digaji Rp

5 juta per bulan. Indeks biaya hidup pada tahun 2011 adalah 105. Pada tahun 2014 pihak manajemen perusahaan menaikkan gaji kayawan tersebut menjadi Rp 7 juta per bulan. Bila indeks biaya hidup pada tahun 2014 adalah 155, apakah kesejahteraan (secara ekonomis) karyawan tersebut meningkat? Anggaplah tahun dasar kedua anggka indeks tersebut sama.

Penyelesaian

Upah riil tahun 2011 = 100105

5 x = 4,76 juta rupiah

Upah riil tahun 2014 = 100155

7 x = 4,52 juta rupiah

Oleh karena upah riil bulanan karyawan tersebut pada tahun 2014 (4,52 juta rupiah) lebih kecil dari upah riil bulanan pada tahun 2011 (4,76 juta rupiah), maka kesejahteraan karyawan tersebut tidak meningkat, malah sebaliknya yaitu menurun. (catatan : dalam membandingkan upah riil, tahun dasar deflatornya harus sama).

Daya beli mata uangDaya beli sebuah mata uang adalah perbandingan antara nilai dari mata

uang dalam tahun tertentu dengan nilainya pada tahun dasar. Daya beli sebuah mata uang merupakan kebalikan dari IHK, maksudnya kalau IHK meningkat maka daya beli mata uang tersebut menurun/melemah. Misalnya bila IHK meningkat 3 kali, maka daya beli mata uang tersebut melemah/turun menjadi 1/3 kalinya

Contoh 11 - 20IHK pada tahun 2000 = 150. IHK pada tahun 2007 = 750. Berapa daya beli

rupiah tahun 2007?

PenyelesaianDaya beli rupiah tahun 2007 =

20072000

IHKIHK

=

=

Daya beli rupiah = 1/5, artinya bahwa uang sebesar satu rupiah yang dibelanjakan pada tahun 2007, hanya mendapatkan 1/5 dari yang diperoleh atas pembelanjaan satu rupiah (untuk barang yang sama) pada tahun 2000.

11 Angka Indeks

Nata Wirawan 303

Contoh 10 - 21 Diketahui dua rangkaian angka indeks (IHK) dengan tahun dasar yang

berbeda. Rangkaian yang pertama tahun dasarnya adalah 2008 dan rangkaian yang kedua tahun dasarnya adalah 2011 sebagai berikut.

Tahun IHK 2008(100)

IHK 2011(100)

2008 1002009 1202010 1452011 150 1002012 1252013 1302014 150

(a) Gabunglah kedua rangkaian angka indeks tersebut menjadi sebuah ran-gkian atas dasar tahun 2011.

(b) Seorang karyawan tetap pada tahun 2009 menerima gaji per bulan Rp 8 juta dan pada tahun 2014 gajinya Rp 12 juta. Menurut saudara, secara ekonomis, bagaimana kesejahteraan karyawan tersebut pada tahun 2014 dibandingkan pada tahun 2009?

Penyelesaian(a) Merangkai angka indeks dengan tahun dasar 2011 k = 100/150 = 2/3

IHK pada tahun 2008 = 100/150 x 100 = 66,67 IHK pada tahun 2009 = 100/150 x 120 = 80 IHK pada tahun 2010 = 100/150 x 145 = 96,67

Jadi, rangkaian IHK dengan tahun dasar 2011 adalah

Tahun 2008 2009 2010 2011 2012 2013 2014IHK 2011 (100)

66,67 80 96,67 100 125 130 150

(b) Membandingkan kesejahteraan tahun 2014 terhadap 2009

Tahun 2009 2014Gaji 8 juta 12 jutaIHK 80 150Gaji riil 8 juta/80 x 100 =

Rp 10 juta12 juta/150 x 100 = Rp 8 juta

11. Angka Indeks


Oleh karena gaji riil karyawan tersebut pada tahun 2014 (yaitu Rp 8 juta) lebih kecil dari upah riilnya pada tahun 2009 (yaitu Rp 10 juta), maka secara ekonomis kesejahteraan karyawan tersebut menurun.

Soal-soal Latihan

11 - 1 Rata-rata harga nasional eceran per unit lima (5) jenis barang kebutuhan pokok tahun 2008 – 2010.

Jenis BahanPokok

Harga Dalam Rupiah2008 2009 2010

1 Minyak Goreng(Kg)2 Gula Pasir (Kg)3 Daging Ayam (Kg)4 Tepung Terigu (Kg)5 Minyak Tanah (Lt)

12.398,696.536,89

28.948,637.089,784.092,23

11.471,318.573,40

30.499,297.739,334.883,91

11.438,3710.856,3027.519,907.216,195.632,03

Sumber : BPS – Jakrata, 2011. Diambil sebagian

Berdasarkan data tersebut, hitunglah (a) Indeks harga eceran agergatif kelima (5) kebutuhan pokok tersebut

pada tahun 2009 dengan tahun dasar 2008.(b) Indeks harga eceran agergatif kelima (5) kebutuhan pokok tersebut

pada tahun 2010 dengan tahun dasar 2008.(c) Indeks harga relatif untuk minyak goreng pada tahun 2009 dengan

tahun dasar 2008.

11 - 2 Rata-rata harga nasional eceran tiga jenis barang kurun waktu 2008-2010, dalam rupiah/kg.

Jenis Barang Harga/Kg2008 2009 2010

1 Susu Kental2 Ikan Kembung3 Telur Ayam Ras

7.083,7918.124,8012.504,03

7.257,9420.936,0612.760,77

7.432,9520.936,0613.242,31

Sumber; BPS - Jakarta, 2011

Hitunglah indeks harga agregatif sederhana dan metode rata-rata har-

ga relatif dari data tersebut pada tahun 2009 dan 2010 dengan me-makai tahun dasar 2008.

11 Angka Indeks

Nata Wirawan 305

11 - 3 Gaji bulanan yang diterima oleh seorang karyawan dari tahun 2009 - 2015 (juta rupiah) adalah sebagai berikut:

2 3 4 5 6 6,5 8 8,2. Misalnya angka indeks biaya hidup pada periode yang sama berturut-

-turut sebesar: 100, 103, 105, 110, 120, 130, 125, 150. Geserlah tahun dasar rangkaian indeks tersebut ke tahun 2012 dan hasilnya pergu-nakanlah untuk mendeflatir upah bulanan tersebut.

11 - 4 Harga perdagangan besar beberapa hasil pertanian di sebuah kota tahun 2009-2011.

JenisBarang

Harga (Rp)

Harga (Rp)

Harga (Rp))

2009 2010 2011Beras (kg)Gula (kg)Telur (kg)Minyak Tanah (kg)Cabai Rawit (kg)

8.00010.00012.5005.000

24.000

9.20012.00013.0006.000

26.000

10.0013.00014.0006.500

28.000

Berdasarkan data tersebut, hitunglah indeks harga agregatif sederhana dan metode rata-rata harga relatif untuk tahun 2010 dan 2011 dengan memakai tahun dasar 2009.

11 - 5 Pada tahun 2007 seorang karyawan sebuah perusahaan gaji per bulannya Rp 2,5 juta. Indeks biaya hidup pada tahun 2007 adalah 250. Bila indeks biaya hidup pada tahun 2011 adalah 400, berapa gaji per bulan bagi karyawan tersebut agar daya belinya sama dengan daya beli pada tahun 2007? (Anggap tahun dasar kedua indeks biaya hidup tersebut sama).

11 - 6 Harga dan kuantitas lima (5) jenis barang yang dikonsumsi di suatu daerah tahun 2010 dan 2011 seperti dalam tabel berikut (data hipotetis).

Jenis BarangHarga / Unit

(Rp)Kuantitas

(Unit)2010 2011 2010 2011

Beras (kg)Gula (kg)Telur( kg)Minyak Tanah (kg)Cabai Rawit (kg)

8.00012.00013.0006.000

26.000

9.50012.25014.0006.250

36.000

40010080

10010

50012010015012

Berdasarkan data tersebut, hitunglah indeks harga agregatif tertimbang kelima barang tersebut pada tahun 2011 dengan tahun dasar 2010.(a) dengan metode Laspeyres.

(b) dengan metode Paasche.(c) dengan metode Irving Fisher.(d) dengan metode Drobish.(e) dengan metode Marshall-Edgeworth.

11 - 7 Hitunglah angka indek kuantitas dengan metode agregatif sederhana dan metode rata-rata kuantitas relatif dari kuantitas kamar yang terjual 7 type akomodasi (unit) tahun 2013 dan 2014.

Type Akomodasi Kamar Terjual (unit)2013 2014

1 Hotel Bintang 52 Hotel Bintang 43 Hotel Bintang 34 Hotel Bintang 25 Hotel Bintang 16 Hotel Melati7 Pondok Wisata

2.0003.0004.0002.5002.0001.8001.200

2.1003.2004.2502.4001.5001.7001.500

11 - 8 Di bawah ini diberikan angka indeks mengenai harga bahan kebutuhan pokok untuk keperluan hidup di sebuah kota di Indonesia dengan 2007 = 100

Tahun 2005 2006 2007 2008 2009 2010 2011Indeks 80 95 100 120 154 170 425

Tentukan daya beli setiap rupiah untuk masing-masing tahun ditinjau dari bahan kebutuhan pokok dinyatakan dengan rupiah.

11 - 9 Gaji rata-rata per bulan karyawan tetap sebuah hotel bintang 3 pada tahun 2009 sebesar Rp 5 juta. Pada tahun 2013 gaji mereka dinaikkan dan gaji rata-rata yang mereka terima sebesar Rp 8 juta per bulan. Indek harga konsumen (IHK) pada tahun 2009 dan pada tahun 2013, tercantum pada tabel berikut.

Tahun IHK 2007(100)

IHK 2012(100)

2007 1002009 1202010 1452011 1502012 130 1002013 1302014 160

(a). Gabunglah kedua rangkaian angka indeks tersebut menjadi sebuah rangkaian atas dasar tahun 2007.

1. Pendahuluan

Nata Wirawan 307

(b) Dengan memperhatikan jawaban butir (a), bagaimana kesejahteraan para karyawan tetap tersebut pada tahun 2013 dibandingkan pada tahun 2009?

11 - 10 Hitunglah upah riil/nyata dari upah nominal berikut ini

Tahun Upah Nominal/Bulan(Juta Rp)

IHK 2007(100)

2007 4 1002008 5 1052019 6 1252010 8 1202011 9 1502012 9 180


11 - 11 Rata-rata harga jual kamar per malam dari sebuah hotel berbintang di kawasan tujuan wisata dari tahun 2008 – 2013 ditabelkan sebagai berikut:

Tahun Harga Jual(Juta Rp)

2008 42009 52010 62011 82012 92013 9

Sumber : Data Hipotetis (a) Susunlah indeks harga dengan tahun dasar (tetap) 2007, dan

berikan interpretasi.(b) Susunlah indeks harga berantai tahun 2008 -2013, dan berikan

interpretasi.

11 - 12 Misalkan gaji seorang karyawan BUMN meningkat 25%, sedangkan indeks harga konsumen atau indeks biya hidup pada periode yang sama meningkat dari 250 ke 275. Apa yang terjadi dengan upah riilnya (meningkat atau menurun)?


DAFTAR PUSTAKA

Buku/Jurnal

Aczel, Amir D., dan Jayavel Sounderpandian. Complete Business Statistics. Ed. Ke-5. New York: Mc Graw – Hill, 2002.

Barrow, M. Statistics for Economics, Accounting and Business Studies. Ed. Ke-2. London : Addison Wesley Longman Limited, 1996.

Berenson, Markl ., dan David M. Levine. Basic Business Statistics: Concepts and Applications. Ed. ke - 6. New Jersey : Prentice Hall Inc., 1996.

Anonim. Statistik Indonesia. Jakarta : Biro Pusat Statistik, 2011.-----------. Statistik Indonesia. Jakarta : Biro Pusat Statistik, 2014Anonim. Bali Dalam Angka. Denpasar :Biro Pusat Statistik Provinsi Bali,

2011.Anonym. Bali Dalam Angka. Denpasar :Biro Pusat Statistik Provinsi Bali,

2014.Anonym. Statistik Pariwisata Bali. Denpasar : Dinas Pariwisata Provinsi Bali,

2013.Black, Ken. Applied Business Statistics : Making Better Business Decision.

Ed. Ke-6. New York: John Wiley, 2011. ---------------. Business Statistics for Contemporary Decision Making. Ed. Ke-

4. New York: John Wiley, 2004. Dixon, Wilfrid J., dan Frank J . Massey, Jr. Introduction to Statistical

Analysis. Ed. ke-4. New York : Mc Graw - Hill, 1983.Elifson, K. W., R. P. Runyon dan A. Haber. Fundamental of Social Statistics.

Ed. Ke-2. Singapore : Mc Graw-Hill, 1990.Freud J.E., dan F.J. Williams. Modern Business Statistics. Ed. Ke-. Printice-

Hall, Inc. 1965.Freud J.E., dan B.M. Peries. Modern Elementary Statistics. Ed. Ke- 12.Greene, W. H. Econometric Analysis. Ed. Ke-7. New York : Pearson Education

Limited, 2012.Guilford J.P. Fundamental Statistics in Psychology and Education. Ed.ke-2.

New York: Mc Graw - Hill, 1956. Guilford J.P., dan Benyamin Fruchter. Fundamental Statistics in Psychology

and Education. Ed. Ke-5. New York : McGraw - Hill, 1978. Gujarati, Damodar. Basic Econometrics. Ed. Ke-3. New York : McGraw - Hill,

1995. _______________. Essentials of Econometrics. Ed. Ke-3.. New York :

McGraw - Hill, 2006. Gupta, S.P., dan M.P. Gupta. Business Statistics. Ed. ke-4. New Dehli :

Sultan Chand & Sons, 1983. Hines, William W., dan Douglas C. Montgoney. Probability and Statistics in

Engneering and Management Science. New York : John Wiley & Sons, 1972.

Hoel, P.G ., dan Raymond, J. J. Basic Statistics for Business and Economics.

Nata Wirawan 309

Ed. ke - 3. New York : John Wiley & Sons, 1982.Levin, R.I. Statistics for Management. Ed. Ke-2. New Jersey : Prentice Hall,

1981.Lind, Marchal dan Wathen. Statistical Techniques in Business & Economics in

Global Data Sets. Ed. ke-13. New York: McGraw-Hill, 2008.Manddala, G.S. Econometrics. Ed. International. New York : McGraw - Hill,

1977. Mason, R. D., dan Douglas A. Lind. Statistical Techniques in Business &

Economics. Ed. Ke-9. New York: Richard D. Irwin, Inc., 1996.Mc Clave, J.J., dan P. G. Benson. Statistics for Business and Economics.

Ed. ke-3. San Francisco : Dellen Publishing Company, 1985. Mc Clave, J.T., P. G. Benson., dan T. Sincich. Statistics for Business &

Economics. Ed. ke - 10. New Jersey: Pearson Perentice Hall, 2008. Mendenhall, W., dan J. E. Reimmuth. Statistics for Management and

Economics. Ed. ke - 4. California : Wadsworth Publishing Company Inc., 1982.

Mosteller, F., Rouke, R. E.K., dan Thomas, G.B, Jr. Probability with Statistical Aplication. Ed. ke - 2. New York : Addison - wesley Publishing Company, 1970.

Newbold, P., William L. Carlson., Betty M. Thorne. Statistics for Business and Economics. Ed. Ke-6. New Jersey : Prentice Hall Inc., 2007.

Walpole, R.E. Introduction to Sattistics. Ed. ke - 3. New York : MacMillan Publishing Company, 1982.

Wonnacott,T.H., dan R.J. Wonnacott. Introductory Statistics for Business and Economics. Ed. ke-4. New York : John Wiley & Sons, 1990.

Spygel, Murry R. Theory and Problems of Statistics. Ed . SI Matrik. New York : Mc Graw - Hill, 1972.

Sturges, Herbert A. The Choice of a Class Interval. Journal of American Statistical Association. Vol.21, No.153, 1926.

Surat Kabar/Majalah/Taboid

Bisnis Indonesia , Th XII No. 3752,1977. h 21.Jawa Pos, 20 Maret 2012, h. 5. Diambil sebagianKompas., 28 Mei 2001.Kompas., 12 April 2011.Kompas., 5 Juli 2015. h.5Kontan., No 35 Tahun V, 28 Mei 2001.Media Indonesia, 13 April 2011, h. 19. Diambil sebagianWarta Ekonomi, Vol.XXVII, No.11, Th.2015The Politic. 26 Juni - 09 Juli 2015/Ed.16/Th.IV.Warta Ekonomi, Vol.XXVII, No.11, Th.2015. Diambil sebagian (selektif)

ABJAD YUNANI

Huruf Kecil Huruf Besar Namaa A Alphab B Betag G Gammad D Deltae E Epsilonz Z Zetah H Etaq Q Thetai I Iotak K Kappal L Lambdam M Mun N Nux X Xio O Omicronp P Pir P Rhos S Sigmat T Tauu ϒ Upsilonf F Phic X Chiy Y Psiw W Omega

p

Sesungguhnya pengetahuan itu luas tanpa batas, tak bertepi,

tak berujung dan tak terukur.

Kemampuan dan pengetahuan kita sangatlah terbatas,

bak sebutir debu dalam padang pasir nan luas.

(Nata Wirawan, 2010)

cara mudah memahami statistika · bab 3 distribusi frekuensi 30 3.1 pengantar 30 3.2 penyusunan...

Documents